安装先决条件 - Matlab＆Simulin下载188bet金宝搏k金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

安装先决品产品下载188bet金宝搏

为CUDA使用GPU Coder™^®C / C ++代码生成，必须安装以下产品：下载188bet金宝搏

Mathworks.下载188bet金宝搏产品和支持包金宝app

马铃薯^®（需要）。
Matlab Coder™（需要）。
并行计算工具箱™（必填）。
金宝app^®（从Simulink模型生成代码）。金宝app
计算机Vision Toolbox™（推荐）。
深度学习工具箱™（深度学习所必需）。
嵌入式编码器^®（推荐的）。
图像处理工具箱™（推荐）。
金宝appSimulink编码器（从Simulink模型生成代码）。金宝app
用于深度学习库的GPU编码器界面金宝app支持包（深度学习所需）。
GPU编码器支持包的金宝appNVIDIA^®GPUS.（需要部署到嵌入式目标，如NVIDIA Jetson和Drive）。

有关安装MathWorks的说明^®下载188bet金宝搏产品，请参阅MATLAB安装文档为您的平台。如果已安装MATLAB并希望检查安装了哪些其他MATHWORKS产品，请输入下载188bet金宝搏ver在matlab命令窗口中。要安装支持包，请在MATLAB金宝app中使用Add-on Explerer。

如果MATLAB安装在包含非7位ASCII字符的路径上，例如日语字符，GPU编码器不起作用，因为它无法找到代码生成库函数。

第三方硬件

NVIDIA GPU为CUDA启用了CUDA，具有计算能力3.2或更高版本和兼容的图形驱动程序。有关更多信息，请参阅CUDA GPU（NVIDIA）。
8位整数精度中的深度学习应用需要CUDA GPU，计算能力为6.1,6.3或更高。对于半精度（16位整数），需要具有7.0的最小计算能力的CUDA GPU。
臂^®Mali图形处理器。
对于MALI设备，GPU编码器支持仅用于深度学习网络的C ++金宝app代码生成。

第三方软件

需要

C / C ++编译器：

Linux.^®	视窗^®
GCC C / C ++编译器6.3.x	微软^®视觉工作室^®2013年
	Microsoft Visual Studio2015年
	Microsoft Visual Studio2017年
	Microsoft Visual Studio2019年

可选的

独立代码（静态库，动态链接库或可执行程序）生成具有额外的软件要求。对于CUDA MEX，代码生成器使用使用MATLAB的NVIDIA编译器和库。

软件名称	信息
CUDA工具包	GPU编码器已通过CUDA Toolkit V9.x-V10.2进行测试。要下载CUDA Toolkit，请参阅CUDA Toolkit Archive（NVIDIA）。建议选择包含的默认安装选项`NVCC.`编译器，`袖口`那`Cublas.`那`Cusolver.`，推力图书馆和其他工具。 nvidia`NVCC.`编译器依赖于与主机开发环境的紧密集成，包括主机编译器和运行时库。建议您遵循CUDA Toolkit文档，以获取有关编译器，库和其他特定于平台的详细信息的详细信息。看到，CUDA.工具包文档（NVIDIA）该`NVCC.`编译器支持多个版本金宝app的GCC，因此您可以使用其他版本的GCC生成CUDA代码。但是，当从MATLAB执行生成的代码时可能存在兼容性问题，因为MATLAB安装中包含的C / C ++运行时库是用于GCC 6.3的编译。
NVIDIA CUDA深神经网络库（CUDNN）为NVIDIA GPU	CUDNN是深神经网络的GPU加速基元图书馆。有关更多信息，请参阅CUDNN（NVIDIA）。 GPU编码器已使用CUDNN v7.6.x进行测试。
nvidia tensorrt™	Tensorr是NVIDIA GPU的高性能推理优化器和运行时库。有关更多信息，请参阅张于（NVIDIA）。 GPU编码器已用Tensorrt v7.0.x进行测试。
ARM Compute Library.	ARM Compute库是Mali GPU的优化计算机视觉和机器学习库。有关更多信息，请参阅计算库（ARM）。 GPU编码器已用V19.05进行测试。必须在ARM目标硬件上安装此库。请勿使用预构建库，因为它可能与ARM硬件上的编译器不兼容。相反，从源代码构建库。在主机计算机上或直接在目标硬件上构建库。看到构建图书馆的说明在GitHub上^®。您还可以找到有关构建CPU的库的信息刊登马铃薯答案。在构建计算库时，请在构建选项中启用OpenCL支持。金宝app看手臂计算库文档有关说明。ARM目标硬件上的OpenCL库（V1.2或更高版本）。有关版本要求，请参阅ARM Compute库文档。构建完成后，重命名`建立`包含库的文件夹`lib`。此外，复制所呈现的OpenCL库`构建/ OpenCL-1.2 - 存根`文件夹进入`lib`夹。这些步骤是必需的，以便在构建目标硬件上构建生成的代码时，生成的Makefile可以定位库。
开源计算机视觉库（OpenCV）	深度学习例子所需。有关更多信息，请参阅OpenCV.。对于针对主机开发计算机上的NVIDIA GPU的示例，请使用OpenCV V3.1.0。对于靶向ARM GPU的示例，在ARM目标硬件上使用OpenCV V2.4.9。这些示例需要单独的LIBS，如，`opencv_core.lib.`和`opencv_video.lib.`。您必须下载OpenCV源并构建库。有关更多信息，请参阅OpenCV文档。

提示

在Windows中，在工具，编译器和库的路径中的空间或特殊字符可以在构建过程中创建问题。您必须在不包含空格或更改Windows设置的位置安装第三方软件，以便为文件，文件夹和路径创建短名称。有关更多信息，请参阅使用Windows短名称解决方案matlab答案。
该分析生成代码的执行配置文件工作流程取决于nvprof.来自nvidia的工具。从CUDA Toolkit V10.1开始，NVIDIA限制对仅管理用户的访问权限。要使所有用户使用GPU性能计数器，请参阅中提供的说明https://developer.nvidia.com/nvidia-development-tools-金宝搏官方网站solutions-err_nvgpuctrperm-permission-issue-performance-counters.。
GPU编码器不支持使用CUDA Too金宝applkit版本8生成CUDA代码。
这些深度学习库中的其他版本可能具有GPU编码器支持此版本的所有功能的兼容性问题。金宝app
在目标平台上，使用Jetpack或DriveStall软件适合您的电路板安装所有库。有关更多信息，请参阅安装和设置NVIDIA板的先决条件（GPU编码器支持NV金宝appIDIA GPU的包）。