此字段是在创建A时设置的只读属性gpuenvconfig配置对象。该字段可以取得价值'主持人'那'jetson'， 或者'驾驶'。Jetson和Drive类型要求Matlab编码器金宝app支持NVIDIA Jetson和Nvidia Drive Platforms的支持包。

例子：gpuenvobj.hardware

选中选中环境时必须使用的GPU设备ID。默认，GPUID.设置为0。

例子：gpuenvobj.gpuid = 1;

当该字段设置为TRUE时，执行基本的GPU代码生成检查。未执行生成的代码。

例子：gpuenvobj.basiccodegen = true;

当该字段设置为TRUE时，对所选GPU设备执行基本GPU代码生成和执行检查。

例子：gpuenvobj.basiccodeexec = true;

当此字段设置为TRUE时，对由此指示的库目标执行深度学习GPU代码生成检查deeplibtarget.财产。未执行生成的代码。

例子：gpuenvobj.deepcodegen = true;

当此字段设置为TRUE时，对由此指示的库目标执行深度学习GPU代码生成和执行检查deeplibtarget.所选GPU设备上的属性。

例子：gpuenvobj.deepcodeexec = true;

此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';

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

例子：gpuenvobj.datatype ='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。必须启用当前工作文件夹。

例子：gpuenvobj.genreport = true;

当此字段设置为true时，抑制了在命令行上打印的输出。

例子：gpuenvobj.quiet = true;

检查主机上是否有正确配置的NVTX库安装。该库用于分析。

例子：gpuenvobj.profiming = true;

该字段包含CUDA的路径^®主机上的图书馆。默认值基于当前NVCC.在Linux OS上找到的位置以及Windows操作系统中的“CUDA_PATH”环境变量。您还可以修改此值以选择不同的位置。

例子：gpuenvobj.cudapath ='/ usr / local / cuda';

此字段包含主机上的CUDNN库的路径。默认值基于“NVIDIA_CUDNN”环境变量，如果设置为基础。您还可以修改此值以选择不同的位置。

例子：gpuenvobj.cudnnthnth ='/ usr / local / cuda / cudnn';

此字段包含主机上的TensorR库的路径。如果设置，默认值基于“nvidia_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 / tensorr';

此字段包含主机上的NVTX库的路径。默认值基于Windows OS上的“NVToolSext_Path”环境变量，如果设置为基础。在Linux上，它是从“LD_Library_Path”获得的。您还可以修改此值以选择不同的位置。

例子：gpuenvobj.nvtxpath ='/ usr / local / cuda /';

此字段接受“Jetson”或“驱动器”硬件对象。在运行环境检查之前要设置此字段需求（对于Jetson / Drive）进行设置。

例子：gpuenvobj.hardware = jetsonhwobj;

在验证目标上的执行测试之前，请指定软件等待的时间以秒为单位。

例子：gpuenvobj.exectimeout = 25;