开始使用GPU编码器

GPU编码器™生成优化的CUDA^®从MATLAB代码^®代码和仿真软件金宝app^®模型。生成的代码包括用于深度学习、嵌入式视觉和信号处理算法的可并行化部分的CUDA内核。为了高性能，生成的代码调用优化的NVIDIA^®CUDA库，包括TensorRT, cuDNN, cuFFT, cuSolver和cuBLAS。这些代码可以作为源代码、静态库或动态库集成到您的项目中，并且可以为桌面、服务器和嵌入在NVIDIA Jetson上的gpu编译^®, NVIDIA驱动^®，以及其他平台。您可以使用MATLAB中生成的CUDA来加速深度学习网络和其他计算密集型部分的算法。GPU编码器让你把手写CUDA代码纳入你的算法和生成的代码。

当与嵌入式编码器一起使用时^®， GPU编码器允许您通过在环软件(SIL)和在环处理器(PIL)测试验证生成代码的数值行为。

教程

MATLAB

使用GPU编码器应用程序生成代码

使用GPU Coder应用程序从MATLAB代码生成CUDA代码。

使用命令行接口生成代码

利用MATLAB代码生成CUDA代码codegen命令。

验证生成代码的正确性

生成代码的行为验证、可跟踪性和代码生成报告。

基于cuDNN的深度学习网络代码生成

使用cuDNN库生成预训练卷积神经网络的代码。

基于TensorRT的深度学习网络代码生成

使用TensorRT库生成预训练卷积神经网络的代码。

金宝app

使用GPU编码器的仿真加速

使用NVIDIA gpu提高仿真速度。

使用GPU编码器的Simulink模型代码金宝app生成

利用GPU编码器从Simulink模型中生成CU金宝appDA代码。

深度神经网络库中块的GPU代码生成

在Simulink中使用库块对深度学习模型进行模拟和生成代码。金宝app

关于代码生成MATLAB算法

• GPU编程范式
  

  GPU加速计算简介。

• GPU代码生成流程
  

  工作流的CUDA MEX和CUDA独立的c++代码生成。

特色的例子

图形处理器代码生成:Mandelbrot集

通过使用GPU Coder™从一个简单的MATLAB®函数生成CUDA®代码。Mandelbrot集的实现使用标准MATLAB命令作为入口点函数。本示例使用codegen命令，生成运行在GPU上的MEX函数。您可以运行MEX函数来检查运行时错误。

打开脚本

深度学习网络的代码生成

为使用深度学习的图像分类应用程序执行代码生成。它使用codegen命令生成一个MEX函数，该函数通过使用MobileNet-v2、ResNet和GoogLeNet等图像分类网络运行预测。

打开生活的脚本