开始使用GPU编码器
生成CUDA代码英伟达gpu
GPU编码器™生成优化的CUDA®从MATLAB代码®代码和仿真软件金宝app®模型。生成的代码包括CUDA内核可平行的部分你的深度学习,嵌入式视觉、和信号处理算法。对高性能,生成的代码优化的NVIDIA的电话®CUDA库,包括TensorRT cuDNN、cuFFT cuSolver, cuBLAS。代码可以集成到你的项目源代码,静态库和动态库,它可以被编译为台式机、服务器和在NVIDIA gpu嵌入式杰森®,NVIDIA驱动®和其他平台。您可以使用生成的CUDA在MATLAB加速深度学习网络和其他计算密集型部分算法。GPU编码器可以手写的CUDA代码合并到你的算法和生成的代码。
当使用嵌入式编码器®,GPU编码器可以验证的数值行为生成的代码通过software-in-the-loop(银)和processor-in-the-loop(公益诉讼)测试。
教程
- 通过使用GPU编码器应用代码生成
从MATLAB代码生成CUDA代码通过使用GPU编码器应用。 - 使用命令行接口代码生成
从MATLAB代码生成CUDA代码通过使用codegen
命令。 - 验证生成的代码的正确性
生成的代码的行为验证、可追溯性和代码生成报告。 - 通过使用cuDNN代码生成深度学习网络
生成代码pretrained卷积神经网络通过使用cuDNN库。 - 通过使用TensorRT代码生成深度学习网络
生成代码pretrained卷积神经网络通过使用TensorRT库。 - 调试CUDA墨西哥人的功能
建议调试CUDA墨西哥人的功能。 - 通过使用GPU编码器模拟加速度
使用NVIDIA gpu提高仿真速度。 - 代码生成与GPU编码器从仿真软件模型金宝app
从仿真软件模型生成CUDA代码通过使用GPU编码金宝app器。 - 块的GPU代码生成深层神经网络库
深度学习模型在仿真软件模拟和生成代码块使用图书馆。金宝app
MATLAB
金宝app
的代码生成MATLAB算法
- GPU编程范式
介绍了GPU加速计算。
- GPU代码生成工作流
设计、实现和验证生成的CUDA墨西哥人对加速度和独立的CUDA代码部署。