Ram Cherukuri MathWorks
GPU Coder™生成优化的CUDA®从MATLAB代码®用于深度学习、嵌入式视觉和自主系统的代码。生成的代码调用优化的NVIDIA CUDA库,可以作为源代码、静态库或动态库集成到您的项目中。它也可以用于在图形处理器(如NVIDIA Tesla)上进行原型设计®和NVIDIA Tegra®。
本视频通过光线追踪的例子,指导您通过CUDA代码生成过程的步骤。它强调了GPU Coder如何提取数据并行性来创建GPU上的内核,以及允许你最大化这种并行性的编码模式。
GPU Coder还处理内核内线程的分配,最小化CPU和GPU之间的数据传输,以提供进一步的加速。在本例中,我们将展示这如何显著提高各种应用领域的速度,如图像处理和计算机视觉、信号处理和深度学习。
最后但并非最不重要的是,GPU Coder使您能够将您的应用程序部署到嵌入式平台上,如NVIDIA®杰森™TX1董事会。
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。
该网站使用cookies来改善您的用户体验,个性化内容和广告,并分析网站流量。如果您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策了解关于cookies的更多信息以及如何更改设置。