属性时设置的只读属性gpuEnvConfig配置对象。该字段的值为“主机”，“杰森”,或“开车”．Jetson和DRIVE类型需要NVIDIA Jetson金宝app和NVIDIA DRIVE的MATLAB编码器支持包^®平台．

例子:gpuEnvObj。硬件

选择检查环境时必须使用的GPU Device ID。默认情况下,GpuId设置为0。

例子:gpuEnvObj。GpuId = 1;

当该字段设置为true时，将执行基本的GPU代码生成检查。生成的代码不会执行。

例子:gpuEnvObj。BasicCodegen = true;

当该字段设置为true时，将在所选GPU设备上执行基本的GPU代码生成和执行检查。

例子:gpuEnvObj。BasicCodeexec = true;

当该字段设置为true时，将对指定的库目标执行深度学习GPU代码生成检查DeepLibTarget财产。生成的代码不会执行。

例子:gpuEnvObj。DeepCodegen = true;

属性指定的库目标，当该字段设置为true时，将执行深度学习GPU代码生成和执行检查DeepLibTarget属性。

例子:gpuEnvObj。DeepCodeexec = true;

该字段表示执行深度学习代码生成和执行检查的库目标。

例子:gpuEnvObj。DeepLibTarget = 'cudnn';

该字段检查所选GPU设备的计算能力是否满足所选TensorRT数据精度所需的最小计算能力。

例子:gpuEnvObj。数据类型= 'fp32';

当此字段设置为true时，将在当前工作文件夹中生成结果的HTML报告。当前工作文件夹必须启用写。

例子:gpuEnvObj。GenReport= true;

当该字段设置为true时，打印在命令行上的输出将被抑制。

例子:gpuEnvObj。安静的= true;

检查主机上是否安装了正确配置的NVTX库。这个库用于分析。

例子:gpuEnvObj。分析= true;

这个字段包含到CUDA的路径^®主机上的库。默认值基于当前学校网站在Linux操作系统和Windows操作系统的环境变量“CUDA_PATH”上找到的位置。您还可以修改此值以选择不同的位置。

例子:gpuEnvObj。CudaPath= '/usr/local/cuda';

该字段包含主机上cuDNN库的路径。默认值基于“nvida_cudnn”环境变量。您还可以修改此值以选择不同的位置。

例子:gpuEnvObj。CudnnPath= '/usr/local/cuda/cudnn';

该字段包含主机上TensorRT库的路径。默认值基于“nvida_tensorrt”环境变量。您还可以修改此值以选择不同的位置。

例子:gpuEnvObj。TensorrtPath = '/usr/local/cuda/tensorrt';

该字段包含主机上NVTX库的路径。默认值基于Windows操作系统的环境变量“NVTOOLSEXT_PATH”。在Linux操作系统中，从“LD_LIBRARY_PATH”获取。您还可以修改此值以选择不同的位置。

例子:gpuEnvObj。NvtxPath= '/usr/local/cuda/';

该字段接受“jetson”或“drive”硬件对象。在对单板进行环境检查之前，需要设置该字段(对于jetson/drive)。

例子:gpuEnvObj。硬件= jetsonHwObj;

指定软件在验证目标上的执行测试之前等待的时间(以秒为单位)。

例子:gpuEnvObj。ExecTimeout = 25;