GPU-Codegenerierung und Beschleunigung

Generieren von CUDA^®-Code aus MATLAB^®

Haben Sie Ihre Anwendung mit Computer Vision Toolbox™ entwickelt, können Sie optimierten CUDA-Code für NVIDIA^®-Grafikkarten aus MATLAB-Code generieren. Der Code kann in Form von Quellcode, statischen oder dynamischen Bibliotheken in Ihr Projekt integriert und für das Prototyping auf GPUs verwendet werden. Sie können den generierten CUDA-Code in MATLAB verwenden, um rechnerisch anspruchsvolle Teile Ihres MATLAB-Codes für Machine-Learning- und Deep-Learning-Anwendungen oder andere Anwendungen zu beschleunigen. Sie benötigen MATLAB Coder™ und GPU Coder™, um CUDA-Code zu generieren.

Um die Leistungsvorteile einer modernen Grafikkarte (GPU) zu nutzen, können bestimmte Computer Vision Toolbox-Funktionen Operationen auf einer Grafikkarte durchführen. Diese Unterstützung benötigt Parallel Computing Toolbox™.

Funktionen

Funktionen, die die GPU-Generierung unterstützen

Funktionen, die GPU-Arrays unterstützen

Themen

The GPU Environment Check and Setup App (GPU Coder)
Verify and set up the GPU code generation environment.
Code Generation by Using the GPU Coder App (GPU Coder)
Generate CUDA code from MATLAB code by using the GPU Coder app.
Code Generation Using the Command Line Interface (GPU Coder)
Generate CUDA code from MATLAB code by using the codegen command.
Run MATLAB Functions on a GPU (Parallel Computing Toolbox)
Supply a gpuArray argument to automatically run functions on a GPU.
GPU Computing Requirements (Parallel Computing Toolbox)
Support for NVIDIA GPU architectures.