开始GPU编码器

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

MATLAB

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。

金宝app

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

关于代码生成MATLAB算法

• GPU编程范式
  

  GPU加速计算简介。

• GPU代码生成流程
  

  CUDA MEX和独立CUDA c++代码生成的工作流。

特色的例子

GPU代码生成:Mandelbrot集

通过使用GPU Coder™从一个简单的MATLAB®函数生成CUDA®代码。使用标准MATLAB命令的Mandelbrot集实现充当入口点函数。本例使用codegen命令，生成运行在GPU上的MEX函数。您可以运行MEX函数来检查运行时错误。

打开脚本

用于深度学习网络的代码生成

为使用深度学习的图像分类应用程序执行代码生成。它使用codegen命令生成一个MEX函数，该函数通过使用图像分类网络(如MobileNet-v2、ResNet和GoogLeNet)运行预测。

打开实时脚本