CPU/GPU 分割 — CPU で実行されるコードのセグメントと、GPU で実行されるセグメントを識別します。GPU Coder で CUDA カーネルを識別するさまざまな方法については、カーネルの作成を参照してください。CPU と GPU 間でのメモリ転送コストは、カーネル作成アルゴリズムでは重要な考慮事項になります。

カーネルの分割が完了した後、GPU Coder は CPU 分割と GPU 分割の間におけるデータの依存関係を解析します。CPU と GPU 間で共有されるデータは (cudaMallocAPIまたはcudaMallocManagedAPI を使用して) GPU メモリに割り当てられます。解析では、cudaMemcpyを使用して CPU と GPU 間でデータをコピーしなければならない位置の最小セットも特定されます。また、CUDA でユニファイド メモリを使用する場合、同じ解析パスにより、関数を適切に動作させるためにcudaDeviceSync呼び出しを挿入しなければならない最小限のコードの位置も特定されます。

次に、各カーネル内において、GPU Coder でデータを共有メモリにマッピングするか、定数メモリにマッピングするかを選択できます。うまく使用すれば、これらのメモリが GPU メモリの階層構造の一部となり、メモリ帯域幅が大きくなる可能性があります。GPU Coder で共有メモリにマッピングする方法については、ステンシル処理を参照してください。GPU Coder で定数メモリにマッピングする方法については、coder.gpu.constantMemoryを参照してください。

分割、メモリ割り当て、およびメモリ転送のステートメントを準備したら、その分割とメモリ割り当ての決定に従った CUDA コードを GPU Coder で生成できます。生成されたソース コードは、MEX ターゲットへとコンパイルして、MATLAB 内から呼び出すか、外部プロジェクトと統合するために共有ライブラリに呼び出すことができます。詳細については、コマンド ライン インターフェイスを使用したコード生成を参照してください。