La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
Génération et accélération de code GPU
Après avoir développé votre application avec Computer Vision Toolbox™, vous pouvez générer du code CUDA optimisé pour les processeurs graphiques (GPU) NVIDIA® à partir de code MATLAB. Vous pouvez intégrer ce code dans votre projet sous forme de code source ou de bibliothèques statiques ou dynamiques et aussi l’utiliser pour le prototypage sur GPU. Vous pouvez utiliser le code CUDA généré dans MATLAB pour accélérer les portions de code MATLAB qui exigent des calculs intensifs dans les applications de Machine Learning, de Deep Learning ou autres. Vous devez avoir installé MATLAB Coder™ et GPU Coder™ pour générer du code CUDA.
Pour exploiter au mieux les gains de performance qu’offrent les GPU modernes, certaines fonctions de Computer Vision Toolbox peuvent s’exécuter sur un GPU. Cette fonctionnalité nécessite Parallel Computing Toolbox™.
Rubriques
- The GPU Environment Check and Setup App (GPU Coder)
Verify and set up the GPU code generation environment.
- Generate Code by Using the GPU Coder App (GPU Coder)
Generate CUDA code from MATLAB code by using the GPU Coder app.
- Generate Code Using the Command Line Interface (GPU Coder)
Generate CUDA code from MATLAB code by using the
codegen
command. - Exécutez les fonctions MATLAB sur un GPU (Parallel Computing Toolbox)
Fournissez un argument
gpuArray
pour exécuter automatiquement des fonctions sur un GPU. - Exigences de calcul GPU (Parallel Computing Toolbox)
Prise en charge des architectures GPU NVIDIA.