GPU Coder™依赖于MATLAB^®编码器™因此，故障排除过程的第一步是确保您有MATLAB编码器兼容的代码。的编程需求和最佳实践MATLAB编码器,请参阅代码生成的MATLAB编程．

GPU Coder对兼容的函数有不同的支持MATLAB编码器和图像处理工具箱™。提供了一个功能列表，已测试与GPU CoderGPU的MATLAB算法设计．这些函数分为完全支持的函数、不支持的函数和在特定条件下支持的函数。例如，有些函数在基于向量的操作中工作，但在循环体中使用时就不能。然而，建议在可能的情况下用纯MATLAB重写工具箱函数。

GPU Coder使用程序并行性分析来检测for循环的并行性。传统的串行算法在可并行性方面差异很大。有些问题是令人尴尬的平行的，很容易被分成几个部分。另一方面，有些算法需要进行一些重构来暴露其固有的并行性。GPU Coder执行的并行分析是保守的。因此，在某些情况下，循环确实是并行的，但依赖分析无法检测到并行性。

必须静态绑定循环以确定内核尺寸。例如，虽然循环、带有break语句的循环和迭代范围不能静态确定的循环不容易映射到CUDA^®内核，必须重写。有关更多信息，请参阅内核分析部分。

在考虑并纠正了这些问题之后，现在就可以生成CUDA代码了。完成代码生成的最简单方法是插入pragmacoder.gpu.kernelfun进入到入口点函数。然后可以按照中描述的步骤进行操作开始使用GPU Coder从命令行或使用GPU Coder应用程序生成CUDA代码。

为了评估生成的CUDA代码的性能，我们可以使用MATLAB抽搐而且toc函数并确定执行时间。如果产生的GPU加速不令人满意，你可以执行以下高级诊断: