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

最新のリリースでは,このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。

前提条件となる製品の設定

環境変数

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。必要なサードパーティ製品が標準以外の方法でインストールされている場合,次の環境変数が設定されていることを確認します。

メモ

窗户^®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

窗户

プラットフォーム	変数名	説明
窗户	`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 - / -垃圾箱`
OpenCVライブラリへのパス。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。 `/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/include/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_COMPUTELIB`	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 - / -垃圾箱

OpenCVライブラリへのパス。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。

/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/include/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_COMPUTELIB

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

墨西哥人の設定

窗户システム

C / c++言語用に複数バージョンの微软^®Visual Studio^®コンパイラをWindows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,前提条件となる製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,墨西哥人设置コマンドを使用します。墨西哥人设置を呼び出すと,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,墨西哥人设置を呼び出して別の既定のコンパイラを選択するまで既定が維持されます。詳細については,既定のコンパイラの変更を参照してください。墨西哥人设置コマンドではC言語コンパイラのみが変更されます。墨西哥人设置c++を使用してc++の既定のコンパイラも変更し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言語のGCC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のバージョンについては,前提条件となる製品のインストールを参照してください。

設定の検証

開発用コンピューターに,GPUコード生成に必要なすべてのツールと構成があることを検証するには,関数coder.checkGpuInstallを使用します。この関数は,GPUコード生成に必要なすべてのサードパーティ製ツールおよびライブラリが環境にあるかどうかを検証するためのチェックを実行します。coder.gpuEnvConfigオブジェクトを関数に渡さなければなりません。この関数は,与えられた構成オブジェクトで指定されたプロパティに基づいてGPUコード生成環境を検証します。

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

codegen|coder.checkGpuInstall|coder.gpuEnvConfig|GPU编码器|GPU環境チェック