GPU Coder

Genere código CUDA para GPU de NVIDIA

GPU Coder genera código CUDA^® optimizado a partir de código de MATLAB y modelos de Simulink. El código generado incluye kernels CUDA para las partes paralelizables de algoritmos de Deep Learning, visión artificial embebida y procesamiento de radar y señales. Para obtener un alto rendimiento, el código generado puede llamar a NVIDIA^® TensorRT™. Puede integrar el código CUDA generado en un proyecto como código fuente o librerías estáticas/dinámicas, y compilarlo para GPU de NVIDIA modernas, como las integradas en plataformas NVIDIA Jetson™ y NVIDIA DRIVE™. Puede acceder a periféricos en las plataformas Jetson y DRIVE, e incorporar código CUDA desarrollado manualmente en el código generado.

GPU Coder permite perfilar el código CUDA generado para identificar cuellos de botella y oportunidades de optimización del rendimiento, con Embedded Coder. Puede establecer enlaces bidireccionales entre código de MATLAB y código CUDA generado. Puede verificar el comportamiento numérico del código generado mediante pruebas de software-in-the-loop (SIL) y processor-in-the-loop (PIL).

Introducción a GPU Coder

Informe de generación de código que muestra código CUDA generado.

Genere código CUDA desde MATLAB

Compile y ejecute código CUDA generado a partir de algoritmos de MATLAB en GPU de NVIDIA populares, desde tarjetas RTX de escritorio hasta centros de datos o plataformas Jetson y DRIVE integradas. Despliegue el código generado para sus clientes de forma gratuita.

Genere código CUDA para un algoritmo de rectificación de niebla (2:22)

Documentación | Ejemplos

Modelo de Simulink de un detector de vehículos y carriles.

Genere código CUDA desde Simulink

Utilice Simulink Coder con GPU Coder para generar código CUDA a partir de modelos de Simulink y desplegarlo en GPU de NVIDIA. Acelere simulaciones de Simulink con alta carga computacional en GPU de NVIDIA.

Deep Learning en Simulink para GPU de NVIDIA: Generación de código CUDA con GPU Coder (3:29)

Documentación | Ejemplos

Despliegue en NVIDIA Jetson y DRIVE

GPU Coder automatiza el despliegue de código generado en las plataformas NVIDIA Jetson y DRIVE. Acceda a periféricos, capture datos de sensores y despliegue un algoritmo junto con código de interfaz de periférico en la placa para realizar ejecución independiente.

Uso de GPU Coder para prototipar y desplegar en NVIDIA Drive y Jetson (2:54)

Documentación | Ejemplos

Dos vistas de cámara del tráfico en carretera, como parte de una aplicación de detección de vehículos y carriles en Simulink.

Genere código para Deep Learning

Despliegue diversas redes de Deep Learning predefinidas o personalizadas en GPU de NVIDIA. Genere código para preprocesamiento y posprocesamiento junto con redes de Deep Learning entrenadas para desplegar algoritmos completos.

Deep Learning en Simulink para GPU de NVIDIA: Clasificación de señales de ECG (7:35)

Documentación | Ejemplos

Gráfico de barras de inferencia con ResNet-50 que muestra imágenes/segundo que aumentan con el uso de tipos de datos FP32 e INT8.

Optimice el código generado

GPU Coder aplica automáticamente optimizaciones que incluyen gestión de memoria, fusión de kernels y autoajuste. Reduzca la superficie de memoria generando código INT8 o bfloat16. Mejore aún más el rendimiento realizando integración con TensorRT.

Detección de peatones en una GPU de NVIDIA con TensorRT (1:34)

Documentación | Ejemplos

Informe de la herramienta GPU Performance Analyzer que muestra información de perfiles sobre el código generado.

Perfile y analice el código generado

Utilice GPU Performance Analyzer para crear perfiles de código CUDA generado e identificar oportunidades para mejorar aún más la velocidad de ejecución y la superficie de memoria.

Documentación | Ejemplos

Diagrama que muestra cómo funciona conceptualmente el patrón de diseño de procesamiento de plantillas.

Utilice patrones de diseño para mejorar el rendimiento

Si se encuentran disponibles, los patrones de diseño, como reducciones y procesamiento de plantillas, se aplican automáticamente para aumentar el rendimiento del código generado. También puede invocarlos manualmente mediante pragmas específicas.

Documentación | Ejemplos

Informe de generación de código que muestra enlace bidireccional interactivo entre código de MATLAB y código CUDA generado.

Registre señales, ajuste parámetros y verifique el comportamiento de código

Utilice GPU Coder con Simulink Coder para registrar señales y ajustar parámetros en tiempo real. Agregue Embedded Coder para enlazar interactivamente MATLAB y código CUDA generado para verificar numéricamente el comportamiento de código CUDA generado mediante pruebas de SIL.

Enlace de código CUDA generado y código fuente de MATLAB

Documentación | Ejemplos

Modelo de Simulink de un algoritmo de predicción de ECG con GPU Coder y GPU de NVIDIA utilizadas para acelerar la simulación.

Acelere simulaciones de Simulink y MATLAB

Llame a código CUDA generado en forma de función MEX desde código de MATLAB para acelerar la ejecución. Utilice Simulink Coder con GPU Coder para acelerar bloques MATLAB Function con alta carga computacional de modelos de Simulink en GPU de NVIDIA.

Aceleración de simulaciones de radar en GPU de NVIDIA con GPU Coder (3:24)

Documentación | Ejemplos

Recursos del producto:

Documentación Ejemplos Vídeos Artículos técnicos Funciones Soporte de hardware Productos necesarios Requisitos Notas de la versión

Drass desarrolla un sistema de Deep Learning para la detección de objetos en entornos marítimos en tiempo real

“MATLAB incluye todas las herramientas necesarias para anotar datos, y seleccionar, entrenar, probar y ajustar un modelo de Deep Learning. Con GPU Coder, pudimos desplegar rápidamente en GPU de NVIDIA, a pesar de tener poca experiencia en GPU”.
Valerio Imbriolo, Drass Group

Vea más casos prácticos