主要内容

设置前提产品下载188bet金宝搏

使用GPU编码器™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．

墨西哥人设置

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

窗户系统

如果你有多个版本微软®Visual Studio®安装在Windows上的C/ c++语言的编译器®系统中，MATLAB选择一个作为默认编译器。如果选择的编译器与GPU编码器支持的版本不兼容，请更改选择。金宝app为支持金宝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，请使用墨西哥人设置c++命令。当你打电话墨西哥人设置c++， MATLAB会显示一条带有链接的消息来设置一个不同的编译器。选择一个链接并更改用于构建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值墨西哥人设置c++选择不同的默认值。有关更多信息，请参见改变默认的编译器．的墨西哥人设置c++命令只改变c++语言编译器。您还必须使用墨西哥人设置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、编译器和库的路径中的空格或特殊字符可能会在构建过程中产生问题。您必须将第三方软件安装在不包含空格的位置，或者更改Windows设置以允许为文件、文件夹和路径创建缩写名称。有关更多信息，请参见使用Windows的短名称解决方案MATLAB的答案．

平台 变量名 描述
窗户 CUDA_PATH

CUDA工具包安装路径。

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

OpenCV在主机上的构建文件夹的路径。这个变量是构建和运行深度学习示例所必需的。

例如:

C:\Program Files\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

路径cudnn.dll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 cuDNN bin

路径nvinfer *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

路径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:\Program Files\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 - / -垃圾箱

路径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。这个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。这个变量是构建深度学习示例所必需的。

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/

TensorRT™库文件夹的路径。

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_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/local/cuDNN/
NVIDIA_TENSORRT

TensorRT库安装的根文件夹路径。

例如:

/usr/local/TensorRT/
ARM_COMPUTELIB

在ARM目标硬件上安装ARM计算库的根文件夹的路径。在ARM目标硬件上设置这个值。

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= coder.checkGpuInstall (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cuFFT: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:PASSED results = struct with fields: gpu: 1 cuda: 1 cudnn: 1 tensorrt: 1 basiccodegen: 1 basiccodeexec: 1 deepcodegen: 1 deepcodeexec: 1 tensorrtdatatype: 1 profiling: 0

另请参阅

应用程序

功能

对象

相关的话题

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