“GPU环境检查和设置应用程序”
的GPU环境检查app是一个交互式工具,用于在您的开发计算机和嵌入式硬件平台(如NVIDIA)上验证和设置GPU代码生成环境®DRIVE和Jetson。
在使用此应用程序之前,安装和设置必要的先决条件第三方编译器、库和工具。有关更多信息,请参见安装必备产品下载188bet金宝搏而且设置必备产品下载188bet金宝搏.
启动应用程序,在MATLAB®命令窗口,输入:
gpucoderSetup
为NVIDIA编译器和GPU代码生成所需的库验证主机开发计算机环境。
进行基本代码生成,并在主机的GPU设备上测试生成的代码的执行情况。测试通过将结果与MATLAB仿真进行比较来验证代码的执行。
在开发计算机上执行深度学习代码生成和执行测试。您可以针对NVIDIA cuDNN或tensort库。要求用于深度学习库的GPU Coder™接口金宝app支持包。
连接到嵌入式NVIDIA板,如DRIVE和Jetson,以执行代码生成和执行测试。要求MATLAB编码器™金宝appNVIDIA Jetson和NVIDIA DRIVE平台支持包。
指定库的位置并生成一个MATLAB脚本,该脚本设置GPU Coder所需的环境变量。
请注意
的gpucoderSetup
App在当前文件夹中生成一个报告文件。如果您在当前文件夹中没有写权限,在运行应用程序之前,请使用MATLAB更改文件夹cd
命令。
硬件设置
的检查/设置面板提供下拉列表,使您可以选择主机开发计算机或硬件平台上的图形处理器设备,如NVIDIA DRIVE和Jetson。
选项 | 值 | 描述 |
---|---|---|
选择硬件 |
|
在主机开发计算机上执行代码生成、代码执行和环境检查。该应用程序生成CUDA®MEX执行测试。 如果您的开发计算机有多个GPU设备,请使用选择GPU选项,选择合适的GPU设备。 |
|
在NVIDIA DRIVE目标平台上执行代码生成和代码执行检查。 安装完MATLAB编码器金宝appNVIDIA Jetson和NVIDIA DRIVE平台的支持包,使用板设置面板为目标指定连接参数。 |
|
|
在NVIDIA Jetson目标平台上执行代码生成和代码执行检查。 安装完针对NVIDIA Jets金宝appon的MATLAB编码器支持包®和NVIDIA驱动器®平台,使用板设置面板为目标指定连接参数。 |
|
选择GPU |
|
选择要运行测试的GPU设备。当有多个设备时,默认第一个设备。 此选项仅在选择硬件选项设置为 |
板设置
为硬件平台(如NVIDIA DRIVE和Jetson)指定连接参数。该应用程序使用杰森
(针对NVIDIA Jets金宝appon和NVIDIA DRIVE平台的MATLAB编码器支持包)或开车
(针对NVIDIA Jets金宝appon和NVIDIA DRIVE平台的MATLAB编码器支持包)政府的职能MATLAB编码器金宝appNVIDIA Jetson和NVIDIA DRIVE平台支持包,用于创建实时硬件连接对象。支持包软金宝app件使用TCP/IP上的SSH连接来执行命令,同时在DRIVE或Jetson平台上构建和运行生成的CUDA代码。目标平台必须与主机在同一网络上。或者,您也可以使用以太交叉网线将板卡直接连接到主机。有关NVIDIA板的需求、设置和配置步骤的更多信息,请参见NVIDIA板安装和设置先决条件(针对NVIDIA Jets金宝appon和NVIDIA DRIVE平台的MATLAB编码器支持包).
选项 | 描述 |
---|---|
设备地址 |
硬件的IP地址或主机名。 例如, 如果使用主机名,必须将以太网线连接到单板的以太网口上。然后使用Linux命令配置硬件IP地址,并将主机名与IP地址关联起来。 |
用户名 |
有效的Linux®单板操作系统的用户名。 |
密码 |
指定的Linux用户名的有效密码。 |
执行超时 |
指定应用程序在验证目标上的执行测试之前等待的时间(以秒为单位)。缺省值是10秒。 |
GPU设备ID |
在多GPU环境中,如NVIDIA Drive平台,请指定目标CUDA GPU设备。 |
工作流程检查
有两种类型的工作流检查,你可以使用应用程序执行:
在开发计算机上进行基本代码生成和执行测试。这些测试通过将结果与MATLAB仿真进行比较来验证代码的执行。基本代码生成和执行测试使用以下入口点函数:
函数[yout] = gpuSimpleTest(xin) code .allowpcode(“普通”);Yout = code .nullcopy(zero (size(xin)));coder.gpu.kernelfun ();为Idx =1:100 yout(Idx) = xin(Idx) * 2;结束Yout = Yout + 5;结束
选项 | 描述 |
---|---|
生成代码 |
测试基本的代码生成和构建。这个测试需要在指定的硬件上有一个有效的CUDA代码生成环境。 |
生成代码并执行 |
在设备上测试基本代码生成、构建和执行指定的硬件.这个测试需要一个有效的CUDA代码生成环境和指定硬件上的GPU设备。 |
SIL分析 |
在主机计算机上执行基本的SIL分析测试。 |
在开发计算机上进行深度学习代码生成和执行测试。可以针对cuDNN或tensort库。深度学习代码生成和执行测试使用预先训练的网络,可以检测手写数字图像。该网络使用修正的国家标准与技术研究所数据库(MNIST)数据集进行训练。下面的代码显示了用于深度学习代码生成测试的入口点函数。
函数out = dlEntryPointTest(in, ntwkfile) net = code . loaddeeplearningnetwork (ntwkfile);Out = net.predict(in);结束
选项 | 描述 |
---|---|
生成代码 |
测试深度学习代码生成和构建。这个测试需要在指定的硬件上有一个有效的CUDA代码生成环境。 |
生成代码并执行 |
在设备上测试深度学习代码的生成、构建和执行指定的硬件.这个测试需要一个有效的CUDA代码生成环境和指定硬件上的GPU设备。 |
目标 |
指定要为其生成代码的深度学习库。有效的选项包括 |
数据类型检查 |
指定受支持层中推理计算的精度。金宝app若要在32位浮点数中执行推理,请使用 有关计算能力要求,请参见第三方硬件. |
环境检查
指定用于在主机上检查CUDA开发环境的库的位置。生成MATLAB脚本gpuEnvSettings.m
设置GPU Coder所需的环境变量。有关更多信息,请参见设置必备产品下载188bet金宝搏.
选项 | 描述 |
---|---|
CUDA安装路径 |
CUDA Toolkit安装路径。 例如:
|
cuDNN |
cuDNN库安装根文件夹的路径。 例如:
|
TensorRT |
TensorRT™库安装根文件夹的路径。 例如:
|
NVTX库路径 |
的路径 在标准的CUDA Toolkit安装中,此路径通常是CUDA库文件夹。 例如:
|
GPU代码生成环境检查报告
当您选择运行检查,gpucoderSetup
App根据您所选择的设置执行环境、代码生成和其他检查。然后生成gpucoderSetupReport
指示测试是否通过的报告,并为失败的测试提供附加信息。在当前文件夹中创建同名报告的HTML版本。