前提条件となる製品のインストール- MATLAB和Sim金宝appulink MathWorks日本

前提条件となる製品のインストール

CUDA^®C / c++コードの生成にGPU编码器™を使用するには,次の製品をインストールしなければなりません。

MathWorks製品とサポートパッケージ

MATLAB^®(必須)。
MATLAB编码器™(必須)。
并行计算工具箱™(必須)。
金宝app^®(金宝app仿真软件モデルからのコード生成に必須)。
计算机视觉工具箱™(推奨)。
深度学习工具箱™(深層学習に必須)。
嵌入式编码器^®(推奨)。
图像处理工具箱™(推奨)。
金宝appSimulinkCoder(金宝app仿真软件モデルからのコード生成に必須)。
深度学习库的GPU编码器接口サポートパッケージ(深層学習に必須)。
NVIDIA的GPU金宝app编码器支持包^®gpu(英伟达杰森および驱动などの組み込みターゲットへの展開に必須)。

MathWorks^®製品をインストールする手順については,ご使用のプラットフォームのMATLABインストールドキュメンテーションを参照してください。MATLABがインストールされている場合に、ほかにどの MathWorks 製品がインストールされているかをチェックするには、MATLAB コマンドウィンドウに「版本“と入力します。サポートパッケージをインストールするには、MATLAB のアドオンエクスプローラーを使用します。

MATLABが7ビットASCII以外の文字(日本語など)を含むパスにインストールされている場合,コード生成ライブラリ関数の場所を特定できないためGPU编码器は機能しません。

サードパーティハードウェア

以3.2计算能力上のCUDA対応NVIDIA GPUおよび互換グラフィックスドライバー。詳細については,CUDA GPU(英伟达)を参照してください。
8ビット整数精度の深層学習アプリケーションには,计算能力6.1,6.3,またはそれ以上のCUDA GPUが必要です。半精度(16ビット整数)には,以7.0计算能力上のCUDA GPUが必要です。
手臂^®马里グラフィックスプロセッサ。
马里デバイスでは,GPU编码器は深層学習ネットワークのみを対象としたc++コード生成をサポートします。

サードパーティソフトウェア

必須

C / c++コンパイラ:

Linux^®	窗户^®
GCC C / c++コンパイラ6.3.x	微软^®Visual Studio^®2013
	微软Visual Studio2015
	微软Visual Studio2017
	微软Visual Studio2019

オプション

スタンドアロンコード(スタティックライブラリ,ダイナミックリンクライブラリ,または実行可能プログラム)生成には追加のソフトウェア要件があります。CUDA墨西哥人の場合,コードジェネレーターはMATLABと共にインストールされるNVIDIAコンパイラとライブラリを使用します。

ソフトウェア名	情報
CUDAツールキット	GPU编码器はCUDAツールキットv9.x-v10.2でテストされています。 CUDAツールキットをダウンロードするには,CUDA工具包档案(英伟达)を参照してください。 `学校网站`コンパイラ,`cuFFT`、`cuBLAS`、`cuSOLVER`,推力ライブラリおよびその他のツールが含まれる既定のインストールオプションを選択することをお勧めします。英伟达`学校网站`コンパイラは,ホストコンパイラとランタイムライブラリを含むホスト開発環境との緊密な統合に依存します。コンパイラ,ライブラリ、およびその他のプラットフォーム固有の要件の詳細については、CUDA ツールキットのドキュメンテーションを参照してください。CUDAツールキットのドキュメンテーション(英伟达)を参照してください。 `学校网站`コンパイラは複数バージョンのGCCをサポートするため,他のバージョンのGCCを使用してCUDAコードを生成できます。ただし,MATLABインストールに含まれているC / c++ランタイムライブラリはGCC 6.3用にコンパイルされているため,生成コードをMATLABから実行すると互換性の問題が発生する可能性があります。
NVIDIA CUDA Deep Neural Network library (cuDNN) for NVIDIA gpu	cuDNNは深層ニューラルネットワークに対するプリミティブのGPUで高速化されたライブラリです。詳細については,cuDNN(英伟达)を参照してください。 GPU编码器はcuDNN v7.5。xでテストされています。
英伟达TensorRT™	TensorRTは,高性能なNVIDIA GPU用推論オプティマイザーおよびランタイムライブラリです。詳細については,TensorRT(英伟达)を参照してください。 GPU编码器はTensorRT v7.0。xでテストされています。
臂计算库	臂计算库、は、马里GPU用に最適化されたコンピュータービジョンおよび機械学習ライブラリです。詳細については,计算库(手臂)を参照してください。 GPU编码器はv19.05でテストされています。このライブラリは手臂ターゲットハードウェアにインストールしなければなりません。手臂ハードウェアではコンパイラとの互換性がない可能性があるため、プリビルドライブラリは使用しないでください。代わりに、ソースコードからライブラリをビルドします。ホストマシン上またはターゲットハードウェア上で直接ライブラリをビルドします。GitHub^®でのライブラリのビルド手順を参照してください。CPUのライブラリのビルドに関する情報は,この投稿 (MATLAB答案)でも検索できます。计算库のビルド時に,ビルドオプションでOpenCLのサポートを有効にします。手順については,手臂计算库のドキュメンテーションを参照してください。手臂ターゲットハードウェア上の OpenCL ライブラリ (v1.2 以上)。バージョン要件については、ARM Compute Library のドキュメンテーションを参照してください。ビルドの完了後、ライブラリが含まれる`构建`フォルダーの名前を`自由`に変更します。また,`建立/ opencl - 1.2 -存根`フォルダーにあるOpenCLライブラリを`自由`フォルダーにコピーします。ターゲットハードウェアで生成コードをビルドする際に,生成されたmakefileでライブラリを特定できるようにするには,これらの手順が必要です。
开源计算机视觉库(OpenCV)	深層学習の例に必須。詳細については,OpenCVを参照してください。ホスト開発用コンピューターのNVIDIA GPUをターゲットにする例については,OpenCV v3.1.0を使用します。手臂GPUをターゲットにする例では,手臂ターゲットハードウェアでOpenCV v2.4.9を使用します。例には,`opencv_core.lib`や`opencv_video.lib`など,個別のライブラリが必要です。OpenCVソースをダウンロードしてライブラリをビルドしなければなりません。詳細については、OpenCV ドキュメンテーションを参照してください。

ヒント

Windowsでは,ツール,コンパイラ,ライブラリへのパスにスペースまたは特殊文字が含まれていると,ビルドプロセス中に問題が生じる可能性があります。スペースが含まれない場所にサードパーティー製のソフトウェアをインストールするか,Windows設定を変更して,ファイル,フォルダー,およびパスの省略名の作成を有効にしなければなりません。詳細については,MATLAB的答案で使用Windows的短名称の解決法を参照してください。
生成コードの実行プロファルの解析ワークフローはNVIDIAからのnvprofツールによって異なります。CUDAツールキットv10.1 以降では、NVIDIA はパフォーマンスカウンターへのアクセスを管理者ユーザーのみに制限します。GPU パフォーマンスカウンターをすべてのユーザーが使用できるようにするには、https://developer.nvidia.com/nvidia-development-tools-金宝搏官方网站solutions-ERR_NVGPUCTRPERM-permission-issue-performance-countersに記載されている手順を参照してください。
, CUDA GPU编码器ではツールキットversion 8を使用したCUDAコードの生成はサポートされません。
これらの深層学習ライブラリの他のバージョンでは,このリリースをサポートするGPU编码器のすべての機能との互換性に問題がある可能性があります。
ターゲットプラットフォームで,ボードに対応するJetPackまたはDriveInstallソフトウェアを使用して,すべてのライブラリをインストールします。詳細は,NVIDIA主板的安装和设置必备事项(NVIDIA Jetson金宝app和NVIDIA DRIVE平台的MATLAB编码器支持包)を参照してください。

参考