开始使用GPU编码器
生成CUDA代码英伟达gpu
GPU Coder™生成优化的CUDA®从MATLAB代码®代码和仿真软件®模型。生成的代码包括CUDA内核,用于深度学习、嵌入式视觉和信号处理算法的可并行部分。为了获得高性能,生成的代码调用优化的NVIDIA®CUDA库,包括tensort, cuDNN, cuFFT, cuSolver和cuBLAS。这些代码可以作为源代码、静态库或动态库集成到您的项目中,并且可以为NVIDIA Jetson上嵌入的桌面、服务器和gpu编译®, NVIDIA驱动®,以及其他平台。您可以在MATLAB中使用生成的CUDA来加速深度学习网络和算法的其他计算密集型部分。GPU Coder允许您将手写CUDA代码合并到您的算法和生成的代码中。
当与嵌入式编码器一起使用时®, GPU Coder允许您通过软件在循环(SIL)和处理器在循环(PIL)测试来验证生成代码的数值行为。
教程
- 使用GPU编码器程序生成代码
使用GPU Coder应用程序从MATLAB代码生成CUDA代码。 - 使用命令行接口生成代码
从MATLAB代码中生成CUDA代码codegen
命令。 - 验证生成的代码的正确性
生成的代码、可跟踪性和代码生成报告的行为验证。 - 基于cuDNN的深度学习网络代码生成
使用cuDNN库为预训练的卷积神经网络生成代码。 - 基于TensorRT的深度学习网络代码生成
使用TensorRT库为预训练的卷积神经网络生成代码。 - 调试CUDA MEX函数
CUDA MEX功能的调试建议。 - 基于GPU编码器的仿真加速
使用NVIDIA gpu提高仿真速度。 - 使用GPU编码器从Simulink模型中生成代码
使用GPU Coder从Simulink模型中生成CUDA代码。 - 深度神经网络库中的块的GPU代码生成
使用库块在Simulink中模拟和生成深度学习模型的代码。
MATLAB
动态仿真模块
的代码生成MATLAB算法
- GPU编程范式
GPU加速计算简介。
- GPU代码生成工作流
设计、实现和验证生成的CUDA MEX用于加速和独立CUDA代码用于部署。