从CU文件编译PTX文件

如果您要在GPU上执行CU文件，则必须首先编译它以创建PTX文件。这样做的一种方法是学校网站编译器在nvidia^®CUDA^®工具包。例如，如果调用CU文件myfun.cu，您可以使用shell命令创建编译的ptx文件：

nvcc -ptx myfun.cu

这将生成名为myfun.ptx。

用CU文件输入构造CUDAKernel对象

与A..cu文件和一个.ptx文件可以创建一个CUDAKernel对象，然后你可以用它来计算内核:

k = parallel.gpu.cudakernel（'myfun.ptx',“myfun.cu”);

用C原型输入构造CUDAKernel对象

如果你没有对应于你的PTX文件的CU文件，你可以为你的C内核指定C原型而不是CU文件。例如:

k = parallel.gpu.cudakernel（'myfun.ptx','float *，const float *，float');

C prototype输入的另一种用途是，当源代码对受支持的数据类型使用无法识别的重命名时。金宝app(请参阅下面所支持金宝app的类型。)假设您的内核包含以下代码。

typedef float argtype;__global__ void add3（argtype * v1，const argtype * v2）{int idx = threadidx.x;[idx] v1 + v2 = [idx];}

ArgType本身未被识别为支持的数据类型，因此在MATLAB中创建Cud金宝appakernel对象时，CU文件不能直接用作输入。但是，支持的输入类型金宝appadd3内核可以指定为C原型输入到CUDAKernel构造函数。例如:

k = parallel.gpu.cudakernel（'test.ptx','float *，const float *',“add3”);

金宝app支持的数据类型

下表列出金宝app了支持的C/ c++标准数据类型。

此外，当包含。时，还支持以下整数类型金宝apptmwtypes.h程序中的标题文件。

头文件作为matlabroot./交换/ include/tmwtypes.h.。在你的程序中包含这行文件:

# include“tmwtypes.h”

论证限制

所有的输入都可以是标量或指针，并且可以被标记常量。

内核的C声明总是这样的:

__global__ void内核(输入…)

在将C中的内核定义翻译成MATLAB时:

这些规则有一些含意。最值得注意的是，内核的每个输出都必须是内核的输入，因为输入允许用户定义输出的大小(这是由于无法在GPU上分配内存)。

CUDAKernel对象属性

当您创建一个没有结束分号的内核对象时，或者当您在命令行中输入对象变量时，MATLAB将显示内核对象的属性。例如:

k = parallel.gpu.cudakernel（“conv.ptx”,'conv.cu')

k = parallel.gpu。CUDAKernelhandle Package: parallel.gpu Properties: ThreadBlockSize: [1 1 1] MaxThreadsPerBlock: 512 GridSize: [1 1 1] SharedMemorySize: 0 EntryPoint: '_Z8theEntryPf' MaxNumLHSArguments: 1 NumRHSArguments: 2 ArgumentTypes: {'in single vector' 'inout single vector'}

内核对象的属性控制它的一些执行行为。使用点表示法更改可更改的属性。

有关对象属性的描述，请参见CUDAKernel对象引用页面。修改可设置属性的一个典型原因是指定线程的数量，如下所述。

指定入口点

如果您的PTX文件包含多个入口点，则可以在myfun.ptx你想要的内核对象k引用:

k = parallel.gpu.cudakernel（'myfun.ptx',“myfun.cu”,'mykernel1');

单个PTX文件可以包含多个输入点到不同的内核。这些入口点中的每一个都有一个唯一的名称。这些名称通常是Mangled（如C ++ Mangling）。但是，当产生时学校网站PTX名称始终包含来自CU文件的原始函数名称。例如，如果CU文件定义内核函数，则为

__global__ void simplestKernelEver(float * x, float val)

然后，PTX代码包含一个可能被调用的条目_Z18simplestKernelEverPff。

当您有多个入口点时，在调用时指定特定内核的入口名称CUDAKernel生成内核。

您可能无法控制原始条目名称，在这种情况下，您必须了解为每个的唯一Mangled派生。例如，考虑以下功能模板。

模板 __global__ void add4（t * v1，const t * v2）{int idx = threadidx.x;[idx] v1 + v2 = [idx];}

当模板扩展为float和double时，它会导致两个入口点，两者都包含子字符串add4。

模板__global__ void add4(float *， const float *);模板__global__ void add4(double *， const double *);

PTX具有相应的条目：

_Z4add4IfEvPT_PKS0_ _Z4add4IdEvPT_PKS0_

使用入口点add4If对于float版本，和add4Id对于双重版本。

k = parallel.gpu.cudakernel（'test.ptx','双人*，const double *','add4id');

指定线程数

你可以通过设置两个对象属性来为你的CUDAKernel指定计算线程的数量:

这两个属性的默认值都是(1 1 1)，但假设您要使用500个线程在500个元素的Vectors上运行Element-Wise操作并行。实现这一目标的简单方法是创建您的Cudakernel并相应地设置其属性：

k = parallel.gpu.CUDAKernel(“myfun.ptx”、“myfun.cu”);k.ThreadBlockSize =(500年,1,1);

通常，您根据输入的大小设置网格和线程块大小。有关线程层次结构的信息，以及多维网格和块，请参阅NVIDIA CUDA C编程指南。

使用工作区变量

假设您已经用本地语言编写了一些内核，并希望在MATLAB中使用它们在GPU上执行。有一个对两个向量进行卷积的核;用两个随机输入向量加载并运行它:

k = parallel.gpu.cudakernel（“conv.ptx”,'conv.cu');结果=函数宏指令(k,兰德(100 1),兰特(100 1));

即使输入是MATLAB工作区数据的常量或变量，输出也是如此gpuArray。

使用gpuArray变量

也许用起来更有效率gpuArray当运行内核时，对象作为输入:

k = parallel.gpu.cudakernel（“conv.ptx”,'conv.cu');i1 = gpuArray (rand(100年1“单一”));i2 = gpuArray (rand(100年1“单一”));result1 =函数宏指令编写此表达式(k, i1、i2);

因为输出是一个gpuArray，您现在可以使用这个输入或输出数据执行其他操作，而无需在MATLAB工作区和GPU之间进行进一步的传输。当你所有的GPU计算完成，收集你的最终结果数据到MATLAB工作空间:

结果2 = Feval（k，i1，i2）;R1 =聚集（结果1）;r2 =聚集（结果2）;

确定输入和输出的对应关系

当调用[OUT1，OUT2] = FEVAL（内核，IN1，IN2，IN3）,输入三机一体,in2，和in3对应于CU文件中C函数的每个输入参数。输出OUT1.和OUT2.在C内核执行之后，将第一个和第二个非const指针输入参数的值存储到C函数中。

例如，如果一个CU文件中的C内核有以下签名:

void soundsimple（float * pinout，float c）

相应的内核对象（k)在MATLAB中具有以下性质:

maxnumlhsarguments：1 numrhsarguments：2 arearaltypes：{''inout single矢量''单scalar'}

因此，要从这段代码中使用内核对象函数宏指令，你需要提供函数宏指令两个输入参数（除了内核对象），您可以使用一个输出参数：

y =函数宏指令(k, x1, x2)

输入值x1和x2相当于引脚和c在C函数原型中。输出参数y对应于的值引脚在C内核执行后的C函数原型中。

以下是一个稍微复杂的例子，显示Const和非Const指针的组合：

更复杂(const float * pIn, float * pInOut1, float * pInOut2)

相应的内核对象在MATLAB中具有如下性质:

maxnumlharguments: 2 numrharguments: 3 ArgumentTypes: {'in single vector' 'inout single vector' 'inout single vector'}

您可以使用函数宏指令在此代码的内核（k）使用语法：

(y1, y2) =函数宏指令(k, x1, x2, x3)

三个输入参数x1,x2，和x3，对应于传递给C函数的三个参数。输出参数日元和y2的值PINOUT1.和PINOUT2.在C内核执行之后。

添加两个数字

这个例子在GPU中添加了两个双精度。您应该安装了NVIDIA CUDA工具包，并为您的设备安装了支持CUDA的驱动程序。

添加两个向量

这个示例扩展了前面的示例，将两个向量相加。为简单起见，假设vector中的线程数量与元素数量完全相同，并且只有一个线程块。

具有CU和PTX文件的示例

关于如何使用CUDA的示例，并提供了CU和PTX文件供您试验，请参见说明GPU计算的三种方法:曼德尔布罗特集。