开始使用GPU编码器

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

MATLAB

• 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。

动态仿真模块

• 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。

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。

特色的例子

GPU代码生成:Mandelbrot集合

使用GPU Coder™从一个简单的MATLAB®函数生成CUDA®代码。使用标准MATLAB命令的Mandelbrot集实现充当入口点函数。此示例使用codegen命令，生成运行在GPU上的MEX函数。您可以运行MEX函数来检查运行时错误。

打开脚本

用于深度学习网络的代码生成

开始使用CUDA代码生成图像分类网络，例如MobileNet-v2，ResNet,GoogLeNet．

打开生活的脚本