前提条件となる製品の設定- MATLAB和Sim金宝appulink MathWorks日本 - 金宝app,下载188bet金宝搏,金宝搏官方网站

前提条件となる製品の設定

CUDA^®C / C ++コードコード生成にGPU编码器™をを使には，前提条件となる制品のインストールで指定された製品をインストールします。

墨西哥人の設定

GPU编码器でCUDA MEXを生成する合成，コードジェネレーターはmatlab^®に付属のNVIDIA^®コンパイラとライブラリを使用します。開発用コンピューターのオペレーティングシステムによっては,墨西哥人コードジェネレーターの設定のみが必要です。

视窗システム

C / c++言語用に複数バージョンの微软^®Visual Studio^®コンパイラを窗口^®システムにインストールしている場合,MATLABによって1つが既定のコンパイラとして選択されます。選択されたコンパイラにGPU编码器でサポートされているバージョンとの互換性がない場合は,選択を変更してください。サポートされている微软Visual Studioのバージョンについては,前提条件となる制品のインストールを参照してください。

既定のコンパイラを変更するには,mex -setup c ++コマンドを使用します。mex -setup c ++を呼び出すと,MATLABに別のコンパイラを設定するためのリンクを含むメッセージが表示されます。リンクを選択し,墨西哥人ファイルをビルドするための既定のコンパイラを変更します。選択したコンパイラは,mex -setup c ++详细は，既定のコンパイラの変更を参照してください。mex -setup c ++コマンドではc++言語コンパイラのみが変更されます。墨西哥人设置Cをを用しての既定のコンパイラも変更なければなりません。

Linuxプラットフォーム

Linux^®プラットフォームでは,MATLABおよびCUDAツールキットはC / c++言語のGCC / G + +コンパイラのみをサポートします。サポートされているGCC / G + +のバージョンについては,前提条件となる制品のインストールを参照してください。

環境変数

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)生成には追加の設定要件があります。GPU编码器は,環境変数を使用してコード生成に必要なツール,コンパイラ,およびライブラリの場所を特定します。

メモ

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。

プラットフォーム変数名説明

视窗

プラットフォーム	変数名	説明
视窗	`CUDA_PATH`	CUDAツールキットインストールへのパス。次に例を示します。 `C:\Program Files\NVIDIA GPU计算工具包\CUDA\v10.0\`
`NVIDIA_CUDNN`	cuDNNインストールのルートフォルダーへのパス。ルートフォルダーには,垃圾桶,包括および自由サブフォルダーが含まれます。次に例を示します。 `C：\ Program Files \ NVIDIA GPU计算工具包\ CUDA \ CUDNN \`
`NVIDIA_TENSORRT`	TensorRTインストールのルートフォルダーへのパス。ルートフォルダーには,垃圾桶,数据,包括および自由サブフォルダーが含まれます。次に例を示します。 `C:\Program Files\NVIDIA GPU计算工具包CUDA TensorRT`
`OPENCV_DIR`	ホストのOpenCVのビルドフォルダーへのパス。深層学習の例をビルドおよび実行するにはこの変数が必要です。次に例を示します。 `C：\ Program Files \ OpenCV \ Build`
`路径`	CUDA実行可能ファイルへのパス。通常,CUDAツールキットインストーラーによりこの値は自動的に設定されます。次に例を示します。 `C:\Program Files\NVIDIA GPU计算工具包CUDA v10.0\bin`
`cudnn.dll`ダイナミックライブラリへのパス。このライブラリ名はご使用のシステムでは異なる可能性があります。次に例を示します。 `C:\Program Files\NVIDIA GPU计算工具包CUDA cuDNN bin`
TensorRTの`nvinfer *`ダイナミックライブラリへのパス。このライブラリ名はご使用のシステムでは異なる可能性があります。次に例を示します。 `C:\Program Files\NVIDIA GPU计算工具包CUDA TensorRT库`
OpenCVのダイナミックリンクライブラリ(DLL)へのパス。深層学習の例を実行するにはこの変数が必要です。次に例を示します。 `C：\ Program Files \ OpenCV \ Build \ x64 \ vc15 \ bin`
Linux	`路径`	CUDAツールキット実行可能ファイルへのパス。次に例を示します。 `/usr/local/cuda-10.0/bin.`
opencvライブラリへのパス。深层学习の例をおよび実するにはこのこのがですですですですですですですです。次に例を示します。 `/usr/local/lib/`
OpenCVヘッダーファイルへのパス。深層学習の例をビルドするにはこの変数が必要です。次に例を示します。 `/ usr / local /包含/ opencv`
`LD_LIBRARY_PATH`	CUDAライブラリフォルダーへのパス。次に例を示します。 `/usr/local/cuda - 10.0 - / lib64`
cuDNNライブラリフォルダーへのパス。次に例を示します。 `/usr/local/cuDNN/lib64/`
TensorRT™ライブラリフォルダーへのパス。次に例を示します。 `/ usr / local / tensorrt / lib /`
ターゲットハードウェアの手臂^®计算库フォルダーへのパス。次に例を示します。 `/usr/local/arm_compute / lib /` 手臂ターゲットハードウェアで`LD_LIBRARY_PATH`を設定します。
`NVIDIA_CUDNN`	cuDNNライブラリインストールのルートフォルダーへのパス。次に例を示します。 `/ usr / local / cudnn /`
`NVIDIA_TENSORRT`	TensorRTライブラリインストールのルートフォルダーへのパス。次に例を示します。 `/usr/local/TensorRT/`
`ARM_Comptelib.`	手臂ターゲットハードウェアにインストールされる臂计算库のルートフォルダーへのパス。手臂ターゲットハードウェアでこの値を設定します。次に例を示します。 `/usr/local/arm_compute`

CUDA_PATH

CUDAツールキットインストールへのパス。

次に例を示します。

C:\Program Files\NVIDIA GPU计算工具包\CUDA\v10.0\

NVIDIA_CUDNN

cuDNNインストールのルートフォルダーへのパス。ルートフォルダーには,垃圾桶,包括および自由サブフォルダーが含まれます。

次に例を示します。

C：\ Program Files \ NVIDIA GPU计算工具包\ CUDA \ CUDNN \

NVIDIA_TENSORRT

TensorRTインストールのルートフォルダーへのパス。ルートフォルダーには,垃圾桶,数据,包括および自由サブフォルダーが含まれます。

次に例を示します。

C:\Program Files\NVIDIA GPU计算工具包CUDA TensorRT

OPENCV_DIR

ホストのOpenCVのビルドフォルダーへのパス。深層学習の例をビルドおよび実行するにはこの変数が必要です。

次に例を示します。

C：\ Program Files \ OpenCV \ Build

路径

CUDA実行可能ファイルへのパス。通常,CUDAツールキットインストーラーによりこの値は自動的に設定されます。

次に例を示します。

C:\Program Files\NVIDIA GPU计算工具包CUDA v10.0\bin

cudnn.dllダイナミックライブラリへのパス。このライブラリ名はご使用のシステムでは異なる可能性があります。

次に例を示します。

C:\Program Files\NVIDIA GPU计算工具包CUDA cuDNN bin

TensorRTのnvinfer *ダイナミックライブラリへのパス。このライブラリ名はご使用のシステムでは異なる可能性があります。

次に例を示します。

C:\Program Files\NVIDIA GPU计算工具包CUDA TensorRT库

OpenCVのダイナミックリンクライブラリ(DLL)へのパス。深層学習の例を実行するにはこの変数が必要です。

次に例を示します。

C：\ Program Files \ OpenCV \ Build \ x64 \ vc15 \ bin

Linux

路径

CUDAツールキット実行可能ファイルへのパス。

次に例を示します。

/usr/local/cuda-10.0/bin.

opencvライブラリへのパス。深层学习の例をおよび実するにはこのこのがですですですですですですですです。

次に例を示します。

/usr/local/lib/

OpenCVヘッダーファイルへのパス。深層学習の例をビルドするにはこの変数が必要です。

次に例を示します。

/ usr / local /包含/ opencv

LD_LIBRARY_PATH

CUDAライブラリフォルダーへのパス。

次に例を示します。

/usr/local/cuda - 10.0 - / lib64

cuDNNライブラリフォルダーへのパス。

次に例を示します。

/usr/local/cuDNN/lib64/

TensorRT™ライブラリフォルダーへのパス。

次に例を示します。

/ usr / local / tensorrt / lib /

ターゲットハードウェアの手臂^®计算库フォルダーへのパス。

次に例を示します。

/usr/local/arm_compute / lib /

手臂ターゲットハードウェアでLD_LIBRARY_PATHを設定します。

NVIDIA_CUDNN

cuDNNライブラリインストールのルートフォルダーへのパス。

次に例を示します。

/ usr / local / cudnn /

NVIDIA_TENSORRT

TensorRTライブラリインストールのルートフォルダーへのパス。

次に例を示します。

/usr/local/TensorRT/

ARM_Comptelib.

手臂ターゲットハードウェアにインストールされる臂计算库のルートフォルダーへのパス。手臂ターゲットハードウェアでこの値を設定します。

次に例を示します。

/usr/local/arm_compute

設定の検証

开発用コンピューターに，GPUコード生成になすべてツールとと成があることをするにはがこと検证するは，关联Coder.CheckGPuInstall.をを使し。この关键，gpuコード生成になすべてのサード制ツールおよびが环境にあるかどう検证するためのチェックをしますチェックチェックをししししますしますしますしますますますしますします。coder.gpuEnvConfigオブジェクト关关数に渡さばなりません。[关键词，与えられた构成オブジェクト指定されたプロパティににてgpuコード生成环境を検证しし

同じチェックを実行する同等のGUIベースのアプリケーションを使用することもできます。このアプリケーションはコマンド检查显卡安装を使用して起動できます。

MATLABコマンドウィンドウに,次のように入力します。

gpuEnvObj = coder.gpuEnvConfig;gpuEnvObj。BasicCodegen = 1;gpuEnvObj。BasicCodeexec = 1;gpuEnvObj。DeepLibTarget =“tensorrt”；gpuEnvObj。DeepCodeexec = 1;gpuEnvObj。DeepCodegen = 1;结果= coder.checkGpuInstall (gpuEnvObj)

以下に示す出力は代表的なものです。実際の結果は異なる可能性があります。

兼容GPU:通过CUDA环境:通过运行时:通过cuFFT:通过cuSOLVER:通过cuBLAS:通过cuDNN环境:通过TensorRT环境:通过基本代码生成:通过基本代码执行:通过深度学习(TensorRT)代码生成:通过深度学习(TensorRT)代码执行:PASSED results = struct with fields: gpu: 1 cuda: 1 cudnn: 1 tensorrt: 1 basiccodegen: 1 basiccodeexec: 1 deepcodegen: 1 deepcodeexec: 1 tensorrtdatatype: 1 profiling: 0

参考