主要内容

设置前提产品下载188bet金宝搏

使用GPU编码器™ 为CUDA®代码生成，安装中指定的产品下载188bet金宝搏安装必备产品下载188bet金宝搏．

MEX设置

当使用GPU编码器生成CUDA MEX时，代码生成器使用NVIDIA®MATLAB附带的编译器和库®. 根据开发计算机上的操作系统，您只需设置MEX代码生成器。

窗户系统

如果你有多个版本微软®Visual Studio®Windows上安装的C/C++语言编译器®系统中，MATLAB选择一个作为默认编译器。如果所选编译器与GPU编码器支持的版本不兼容，请更改选择。支持金宝app微软Visual Studio版本,请参阅安装必备产品下载188bet金宝搏．

要更改默认编译器，请使用安装程序C++命令当你打电话的时候安装程序C++，MATLAB显示一条消息，其中包含设置不同编译器的链接。选择链接并更改用于生成MEX文件的默认编译器。在调用之前，您选择的编译器将保持默认状态安装程序C++选择其他默认值。有关详细信息，请参阅改变默认的编译器这个安装程序C++命令只更改C++语言编译器。还必须使用C更改默认编译器墨西哥人设置C．

Linux平台

MATLAB和CUDA工具包仅支持Linux下C/ c+金宝app+语言的GCC/ g++编译器®平台。有关支持金宝app的GCC/ g++版本，请参阅安装必备产品下载188bet金宝搏．

环境变量

独立代码(静态库、动态链接库或可执行程序)的生成有额外的设置要求。GPU编码器使用环境变量来定位生成代码所需的必要工具、编译器和库。

请注意

在Windows上，工具、编译器和库路径中的空格或特殊字符可能会在生成过程中产生问题。您必须在不包含空格的位置安装第三方软件，或更改Windows设置，以便为文件、文件夹和路径创建短名称。有关详细信息，请参阅使用Windows短名称解决方案MATLAB答案．

平台 变量名 描述
窗户 CUDA_PATH

CUDA工具包安装的路径。

例如：

C:\Program Files\NVIDIA GPU计算工具包\CUDA\v10.0\
NVIDIA_CUDNN

cuDNN安装根文件夹的路径。根文件夹包含bin、include和lib子文件夹。

例如：

C:\Program Files\NVIDIA GPU计算工具包\CUDA\cuDNN\
NVIDIA_TENSORRT

TensorRT安装根文件夹的路径。根文件夹包含bin、data、include和lib子文件夹。

例如：

C:\Program Files\NVIDIA GPU计算工具包CUDA TensorRT
OPENCV_DIR

主机上OpenCV的生成文件夹的路径。构建和运行深度学习示例需要此变量。

例如：

C:\ProgramFiles\opencv\build
路径

CUDA可执行文件的路径。通常，CUDA工具包安装程序会自动设置这个值。

例如：

C:\Program Files\NVIDIA GPU计算工具包CUDA v10.0\bin

通往cudnn.dll动态库。此库的名称在您的安装中可能不同。

例如：

C:\Program Files\NVIDIA GPU计算工具包CUDA cuDNN bin

通往内维尔*TensorRT的动态库。这个库的名称在安装时可能不同。

例如：

C:\Program Files\NVIDIA GPU计算工具包CUDA TensorRT库

通往nsysNVIDIA Nsight™系统的可执行文件。

例如：

C:\Program Files\NVIDIA Corporation\Nsight Systems 2021.1.1\target-windows-x64

OpenCV的动态链接库(DLL)路径。该变量是运行深度学习示例所必需的。

例如：

C:\ProgramFiles\opencv\build\x64\vc15\bin
Linux 路径

CUDA工具箱可执行文件的路径。

例如：

/usr/local/cuda-10.0/bin

通往nsysNVIDIA Nsight系统的可执行文件。

例如：

2021.1.1 / target-linux-x64 /usr/local/Nsight系统

OpenCV库的路径。此变量是构建和运行深度学习示例所必需的。

例如：

/usr/local/lib/

OpenCV头文件的路径。构建深度学习示例需要此变量。

例如：

/usr/local/include/opencv
LD_LIBRARY_PATH

CUDA库文件夹的路径。

例如：

/usr/local/cuda - 10.0 - / lib64

cuDNN库文件夹的路径。

例如：

/usr/local/cuDNN/lib64/

通往TensorRT的道路™ 图书馆文件夹。

例如：

/usr/local/TensorRT/lib/

到达ARM的路径®目标硬件上的“计算库”文件夹。

例如：

/usr/local/arm\u compute/lib/

集LD_LIBRARY_PATH在ARM目标硬件上。
NVIDIA_CUDNN

cuDNN库安装的根文件夹路径。

例如：

/usr/本地/cuDNN/
NVIDIA_TENSORRT

TensorRT库安装的根文件夹的路径。

例如：

/usr/local/TensorRT/
ARM_COMPUTELIB

ARM目标硬件上ARM计算库安装的根文件夹的路径。在ARM目标硬件上设置此值。

例如：

/usr/local/arm_compute

验证设置

要验证您的开发计算机具有GPU代码生成所需的所有工具和配置，请使用coder.checkGpuInstall函数。此函数执行检查以验证您的环境是否具有生成GPU代码所需的所有第三方工具和库。你必须通过coder.gpuEnvConfig对象指向函数。此函数基于给定配置对象中指定的属性验证GPU代码生成环境。

您还可以使用等效的基于gui的应用程序，该应用程序执行相同的检查，并可以使用命令启动，检查显卡安装．

在MATLAB命令窗口中，输入:

gpuEnvObj = coder.gpuEnvConfig;gpuEnvObj。BasicCodegen = 1;gpuEnvObj。BasicCodeexec = 1;gpuEnvObj。DeepLibTarget =“tensorrt”; gpuEnvObj.DeepCodeexec=1；gpuEnvObj.DeepCodegen=1；结果=编码器检查gpuinstall（gpuEnvObj）

这里显示的输出具有代表性。结果可能会有所不同。

兼容GPU：通过CUDA环境：通过运行时：通过CUFT:通过cuSOLVER:通过cuBLAS:通过cuDNN环境：通过TensorRT环境：通过基本代码生成：通过基本代码执行：通过深度学习（TensorRT）代码生成：通过深度学习（TensorRT）代码执行：传递的结果=带字段的结构：gpu:1 cuda:1 cudnn:1 tensorrt:1 basiccodegen:1 basiccodeexec:1 deepcodegen:1 deepcodeexec:1 tensorrtdatatype:1评测：0

另请参阅

应用程序

功能

对象

相关话题

GPU编码器文档

金宝app

从MATLAB生成CUDA代码:gpu上加速嵌入式视觉和深度学习算法

从MATLAB生成CUDA代码:gpu上加速嵌入式视觉和深度学习算法

下载白皮书