针对NVIDIA嵌入式板
与MATLAB®编码器™NVIDIA支持包®杰森®和NVIDIA DRIVE™平台,您可以自动部署Simulink®通过在目标硬件板上构建和部署生成的代码,在嵌入式NVIDIA板上建模。您还可以与目标进行远程通信,并控制外围设备进行原型设计。
有关部署到NVIDIA目标的示例,请参见从Simulink在NVIDIA Jetson TX2平台上部署和分类网络摄像头图像(针对NVIDIA Jetson和NVIDIA DRIVE平台的MATLAB编码器支持包).
请注意
从R2021a开始针对NVIDIA Jetson和NVIDIA DRIVE的MATLAB编码器支持包®平台被命名为MATLAB编码器NVIDIA Jetson和NVIDIA DRIVE平台支持包。要在R2021a中使用此支持包,您必须具有MATLAB编码器产品。
为部署配置模型
模型配置参数为代码生成和构建过程提供了许多选项。
打开“配置参数”对话框。选择硬件实现窗格。设置硬件板来
英伟达杰森
.你也可以用NVIDIA驱动
.下目标硬件资源组,设置设备地址,用户名,密码您的目标硬件。设备地址为目标平台的IP地址或主机名。
点击好吧保存并关闭“配置参数”对话框。
你也可以用
set_param
在MATLAB命令窗口中以编程方式配置模型参数。set_param (< modelname >,“HardwareBoard”,英伟达杰森的);
为模型生成CUDA代码
设置好硬件参数后,在Simulink编辑器中打开硬件选项卡。
选择构建、部署和启动在硬件上生成和部署代码。
另请参阅
功能
open_system
(模型)|load_system
(模型)|save_system
(模型)|close_system
(模型)|bdclose
(模型)|get_param
(模型)|set_param
(模型)|sim卡
(模型)|slbuild
(模型)
相关的话题
- 从Simulink在NVIDIA Jetson TX2平台上部署和分类网络摄像头图像(针对NVIDIA Jetson和NVIDIA DRIVE平台的MATLAB编码器支持包)
- 基于GPU编码器的仿真加速
- 使用GPU编码器从Simulink模型中生成代码
- 基于MATLAB函数块的深度学习网络GPU代码生成
- 深度神经网络库中的块的GPU代码生成
- 数值等价测试
- 利用外部模式进行参数调优和信号监测