このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
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。
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。
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。
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 |
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。
英伟达
|
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 |
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, |
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。