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).
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 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.
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.
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.
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.
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.
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.
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.
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.
Recursos del producto:
“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”.