内核创建

创建CUDA的算法结构和模式^®GPU内核

CUDA内核是在GPU设备上执行的函数。这些内核由许多GPU线程并行执行。通过高效地将算法的计算密集型部分映射到内核，您可以利用GPU计算技术提供的性能改进。可以触发GPU编码器™为MATLAB中的特定算法结构和模式创建CUDA内核^®代码。

应用程序

GPU编码器	生成GPU代码MATLAB代码
检查显卡安装	验证并设置GPU代码生成环境

功能

`一半`	构造半精度的数值对象
`coder.checkGpuInstall`	验证GPU代码生成环境
`coder.gpuConfig`	配置参数CUDA代码生成的MATLAB代码通过使用GPU编码器
`codegen`	生成C/ c++代码MATLAB代码
`gpucoder`	开放GPU编码器应用程序
`coder.gpu.kernel`	编译指示映射`为`-对GPU内核的循环
`coder.gpu.kernelfun`	将函数映射到GPU内核的Pragma
`coder.gpu.nokernel`	为循环禁用内核创建
`coder.gpu.constantMemory`	将一个变量映射到GPU上的常量内存的Pragma
`gpucoder.stencilKernel`	创建CUDA模具功能代码
`gpucoder.matrixMatrixKernel`	优化GPU实现包含矩阵矩阵操作的函数
`gpucoder.batchedMatrixMultiply`	优化GPU实现批量矩阵乘法运算
`gpucoder.stridedMatrixMultiply`	优化GPU实现跨步矩阵乘法和批处理矩阵乘法运算
`gpucoder.batchedMatrixMultiplyAdd`	用加法运算优化GPU批量矩阵乘法的实现
`gpucoder.stridedMatrixMultiplyAdd`	优化GPU实现的大步，成批矩阵乘法与加法操作
`gpucoder.sort`	优化的GPU实现的MATLAB排序函数
`coder.gpu.iterations`	为代码生成器提供信息以在变量绑定循环上进行并行化决策的Pragma
`gpucoder.transpose`	优化的GPU实现的MATLAB转置矩阵函数
`gpucoder.reduce`	优化GPU实现的还原操作
`coder.ceval`	调用外部C/ c++函数

对象

`coder.gpuConfig`	配置参数CUDA代码生成的MATLAB代码通过使用GPU编码器
`coder.CodeConfig`	C/ c++代码生成的配置参数MATLAB代码
`coder.EmbeddedCodeConfig`	C/ c++代码生成的配置参数MATLAB代码与嵌入式编码器
`coder.gpuEnvConfig`	创建包含传递给的参数的配置对象`coder.checkGpuInstall`用于执行GPU代码生成环境检查

主题

元素行循环的内核

从MATLAB函数中创建内核，这些函数包含标量化的、元素明智的数学操作。

来自分散-聚集类型操作的内核

从包含约简操作的MATLAB函数中创建内核。

来自库调用的内核

目标GPU优化的数学库，如cuBLAS, cuSOLVER, cuFFT，和推力。

金宝app对GPU阵列的支持

使用GPU阵列生成CUDA代码。

遗留代码集成

将定制的GPU代码与用于代码生成的MATLAB代码集成在一起。

设计模式

为包含计算设计模式的MATLAB函数创建内核。

GPU内存分配和最小化

内存分配选项和优化GPU编码器。

特色的例子

使用CUDA FFT库模拟衍射模式

使用GPU编码器™利用CUDA®快速傅里叶变换库(cuFFT)在NVIDIA®GPU上计算二维FFT。光学中采用二维傅里叶变换来计算远场衍射图样。当单色光源通过一个小孔时，比如在杨氏双缝实验中，你可以观察到这些衍射图样。这个例子还向你展示了在生成CUDA MEX、源代码、静态库、动态库和可执行文件时，如何使用GPU指针作为入口点函数的输入。通过使用这个功能，可以通过减少生成代码中cudaMemcpy调用的次数来改进生成代码的性能。

打开脚本