开始GPU编码器
生成CUDA代码英伟达gpu
GPU Coder™生成优化的CUDA®MATLAB代码®代码和Simuli金宝appnk®模型。生成的代码包括用于深度学习、嵌入式视觉和信号处理算法的可并行部分的CUDA内核。为了获得高性能,生成的代码调用优化了NVIDIA®CUDA库,包括TensorRT, cuDNN, cuFFT, cuSolver和cuBLAS。这些代码可以作为源代码、静态库或动态库集成到您的项目中,并且可以为嵌入在NVIDIA Jetson上的台式机、服务器和gpu编译®,英伟达驱动器®等平台。您可以在MATLAB中使用生成的CUDA来加速深度学习网络和算法的其他计算密集型部分。GPU Coder允许您将手写的CUDA代码合并到您的算法和生成的代码中。
当与嵌入式编码器使用®, GPU Coder让您通过软件在环(SIL)和处理器在环(PIL)测试来验证生成代码的数值行为。
教程
- 代码生成使用GPU编码器应用程序
通过使用GPU Coder应用程序从MATLAB代码生成CUDA代码。 - 使用命令行界面生成代码
从MATLAB代码中生成CUDA代码codegen
命令。 - 验证生成的代码的正确性
生成的代码、可追溯性和代码生成报告的行为验证。 - 基于cuDNN的深度学习网络代码生成
通过使用cuDNN库生成预训练卷积神经网络的代码。 - 基于TensorRT的深度学习网络代码生成
通过使用TensorRT库生成预训练卷积神经网络的代码。 - 调试CUDA MEX函数
调试CUDA MEX功能的建议。 - 利用GPU编码器实现仿真加速
使用NVIDIA gpu提高模拟速度。 - 代码生成从Simulink模型与GPU编码金宝app器
使用GPU Coder从Simulink模型生成金宝appCUDA代码。 - GPU代码生成块从深度神经网络库
使用库块在Simulink中模拟和生成深度学习模型的代码。金宝app