开始使用GPU编码器

GPU编码器™生成优化的CUDA^®来自MATLAB的代码^®代码和仿真软件金宝app^®模型。生成的代码包括CUDA内核，用于深度学习、嵌入式视觉和信号处理算法的可并行部分。为了获得高性能，生成的代码调用优化的NVIDIA^®CUDA图书馆，包括TensorRT、cuDNN、Cuft、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，并且可以为嵌入NVIDIA Jetson、NVIDIA DRIVE和其他平台的台式机、服务器和GPU进行编译。您可以在MATLAB中使用生成的CUDA加速深度学习网络和算法的其他计算密集部分。GPU编码器允许您将手写CUDA代码合并到算法和生成的代码中。

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

使用GPU编码器从Simulink模型生成CUD金宝appA代码。

基于深度神经网络库的Simulin金宝appk深度学习

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
  

  CUDA MEX和独立CUDA C++代码生成的工作流。

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。

开放脚本

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MEX函数，该函数使用MobileNet-v2、ResNet和GoogLeNet等图像分类网络运行预测。

开放脚本