从CU文件编译PTX文件

如果您要在GPU上执行CU文件，则必须首先编译它以创建PTX文件。这样做的一种方法是NVCC.编译器在nvidia^®CUDA.^®工具包。例如，如果调用CU文件myfun.cu.，您可以使用shell命令创建编译的ptx文件：

nvcc -ptx myfun.cu.

这会生成命名的文件myfun.ptx.。

使用CU文件输入构建Cudakernel对象

与A..cu.文件和A..ptx.文件可以创建一个Cudakernel.然后，MATLAB中的对象可以使用来评估内核：

k = parallel.gpu.cudakernel（'myfun.ptx'那'myfun.cu'）;

使用C原型输入构建Cudakernel对象

如果您没有与PTX文件对应的CU文件，则可以为C内核指定C原型而不是CU文件。例如：

k = parallel.gpu.cudakernel（'myfun.ptx'那'float *，const float *，float'）;

另一个用于C原型输入的用途是源代码使用无法识别的数据类型的重命名时。万博1manbetx（请参阅下面的支持万博1manbetx类型。）假设您的内核包含以下代码。

typedef float argtype;__global__ void add3（argtype * v1，const argtype * v2）{int idx = threadidx.x;v1 [idx] + = v2 [idx];}

argtype.本身未被识别为支持的数据类型，因此在MATLAB中创建Cud万博1manbetxakernel对象时，CU文件不能直接用作输入。但是，支持的输入类型万博1manbetxAdd3.内核可以指定为Cudakernel构造函数的C原型输入。例如：

k = parallel.gpu.cudakernel（'test.ptx'那'float *，const float *'那'Add3'）;

万博1manbetx支持的数据类型

支持的C万博1manbetx / C ++标准数据类型列于下表中。

此外，当您包含时，支持以下整数类型万博1manbetxtmwtypes.h.程序中的标题文件。

标题文件已作为matlabroot./交换/ include/tmwtypes.h.。您将文件中的文件包含在内：

#include“tmwtypes.h”

论证限制

所有输入都可以是标量或指针，并且可以标记const。

内核的C声明始终是表单：

__global__ void akernel（输入......）

在将C中的内核定义转换为MATLAB时：

这些规则有一些含义。最值得注意的是，来自内核的每个输出必须必须是内核的输入，因为输入允许用户定义输出的大小（从不能在GPU上分配存储器）。

Cudakernel对象属性

在没有终止分号的情况下创建内核对象，或者在命令行键入对象变量时，MATLAB会显示内核对象属性。例如：

k = parallel.gpu.cudakernel（'conv.ptx'那'conv.cu'）

K = parallel.gpu.cudakernel句柄包在单载体'''inout单载体'}

内核对象的属性控制其一些执行行为。使用点表示法更改可以更改的属性。

有关对象属性的描述，请参阅Cudakernel.对象参考页面。修改可设置属性的典型原因是指定线程的数量，如下所述。

指定入口点

如果您的PTX文件包含多个入口点，则可以识别特定内核myfun.ptx.你想要内核对象K.参考：

k = parallel.gpu.cudakernel（'myfun.ptx'那'myfun.cu'那'mykernel1'）;

单个PTX文件可以包含多个输入点到不同的内核。这些入口点中的每一个都有一个唯一的名称。这些名称通常是Mangled（如C ++ Mangling）。但是，当产生时NVCC.PTX名称始终包含来自CU文件的原始函数名称。例如，如果CU文件定义内核函数，则为

__global__ void simplestkernelever（float * x，float val）

然后PTX代码包含可能调用的条目_z18simplestkerneleverpff。

当您有多个入口点时，请在调用时指定特定内核的条目名称Cudakernel.生成内核。

您可能无法控制原始条目名称，在这种情况下，您必须了解为每个的唯一Mangled派生。例如，考虑以下功能模板。

模板 __global__ void add4（t * v1，const t * v2）{int idx = threadidx.x;v1 [idx] + = v2 [idx];}

当模板扩展为float和double时，它会导致两个入口点，两者都包含子字符串Add4.。

模板__Global__ void Add4 （float *，const float *）;模板__Global__ void Add4 （双*，const double *）;

PTX具有相应的条目：

_z4add4ifevpt_pks0__z4add4idevpt_pks0_

使用入口点Add4.IF.对于float版本，和add4id.对于双版本。

k = parallel.gpu.cudakernel（'test.ptx'那'双人*，const double *'那'add4id'）;

指定线程数

通过设置其两个对象属性，您可以指定Cudakernel的计算线程数：

这两个属性的默认值是[1 1]，但假设您要使用500个线程在500个元素的Vectors上运行Element-Wise操作并行。实现这一目标的简单方法是创建您的Cudakernel并相应地设置其属性：

k = parallel.gpu.cudakernel（'myfun.ptx'，'myfun.cu'）;K.Threadblocksize = [500,1,1];

通常，您根据输入的大小设置网格和线程块大小。有关线程层次结构的信息，以及多维网格和块，请参阅NVIDIA CUDA C编程指南。

使用工作区变量

假设您已经以母语编写了一些内核，并且希望在Matlab中使用它们来在GPU上执行。您有一个内核，这对两个向量进行了卷积;使用两个随机输入向量加载并运行它：

k = parallel.gpu.cudakernel（'conv.ptx'那'conv.cu'）;结果= feval（k，rand（100,1），rand（100,1））;

即使输入是MATLAB工作区数据的常量或变量，输出也是如此GPUArray.。

使用gpuarray变量

它可能更有效地使用GPUArray.运行内核时的对象是输入：

k = parallel.gpu.cudakernel（'conv.ptx'那'conv.cu'）;i1 = GPUARRAY（RAND（100,1，'单身的'））;I2 = GPUARRAY（RAND（100,1，'单身的'））;结果1 = feval（k，i1，i2）;

因为输出是一个GPUArray.，您现在可以使用此输入或输出数据执行其他操作，而无需进一步传输Matlab工作区和GPU。当所有GPU计算都完成时，将最终结果数据收集到MATLAB工作空间中：

结果2 = Feval（k，i1，i2）;R1 =聚集（结果1）;r2 =聚集（结果2）;

确定输入和输出对应

在呼唤时[OUT1，OUT2] = FEVAL（内核，IN1，IN2，IN3），输入In1那In2.， 和In3.对应于CU文件中的C函数的每个输入参数。产出OUT1.和OUT2.在执行C内核之后将第一个和第二个非Const指针输入参数的值存储到C函数。

例如，如果CU文件中的C内核具有以下签名：

void soundsimple（float * pinout，float c）

相应的内核对象（K.）在Matlab中有以下属性：

maxnumlhsarguments：1 numrhsarguments：2 arearaltypes：{''inout single矢量''单scalar'}

因此，要使用此代码中的内核对象Feval.，你需要提供Feval.两个输入参数（除了内核对象），您可以使用一个输出参数：

y = feval（k，x1，x2）

输入值X1和X2相当于引脚和C在C函数原型中。输出参数y对应于价值引脚在C内核执行后的C函数原型中。

以下是一个稍微复杂的例子，显示Const和非Const指针的组合：

void morecomplicated（const float * pin，float * pinout1，float * pinout2）

然后，MATLAB中的相应内核对象具有属性：

maxnumlhsarguments：2 numrhsarguments：3 ArgumentTypes：{'在单载体'''Inout单vector'''Inout单vector'}

您可以使用Feval.在此代码的内核（K.）使用语法：

[Y1，Y2] = FeVal（k，x1，x2，x3）

三个输入参数X1那X2， 和X3，对应于传递到C函数的三个参数。输出参数y1.和Y2.，对应于值PINOUT1.和PINOUT2.在C内核执行后。

添加两个数字

此示例在GPU中添加了两个双打。您应该安装NVIDIA CUDA Toolkit，并为您的设备提供CUDA的驱动程序。

添加两个矢量

此示例将前一个向上添加两个向量。为简单起见，假设存在与向量中的元素完全相同的线程，并且只有一个线程块。

具有CU和PTX文件的示例

有关展示如何使用CUDA的示例，并为您提供CU和PTX文件进行实验，请参阅说明GPU计算的三种方法：Mandelbrot Set。