内核创建

创建CUDA的算法结构和模式^®GPU内核

CUDA内核是在GPU设备上执行的函数。这些内核由许多GPU线程并行执行。通过有效地将算法的计算密集型部分映射到内核，您可以利用GPU计算技术提供的性能改进。你可以触发GPU编码器™为特定的算法结构和模式创建CUDA内核在你的MATLAB^®代码。

应用程序

GPU编码器	生成GPU代码MATLAB代码
检查显卡安装	验证并搭建GPU代码生成环境

功能

`一半`	构造半精度数值对象
`coder.checkGpuInstall`	验证GPU代码生成环境
`coder.gpuConfig`	配置参数CUDA代码生成的MATLAB代码通过使用GPU编码器
`codegen`	生成C/ c++代码MATLAB代码
`gpucoder`	开放GPU编码器应用程序
`coder.gpu.kernel`	编译指示映射`为`-到GPU内核的循环
`coder.gpu.kernelfun`	映射函数到GPU内核的Pragma
`coder.gpu.nokernel`	用于禁用循环的内核创建的Pragma
`coder.gpu.constantMemory`	将一个变量映射到GPU上的常量内存的Pragma
`gpucoder.stencilKernel`	创建CUDA模板功能代码
`gpucoder.matrixMatrixKernel`	优化了包含矩阵-矩阵运算的函数的GPU实现
`gpucoder.batchedMatrixMultiply`	优化的批处理矩阵乘法运算的GPU实现
`gpucoder.stridedMatrixMultiply`	优化的GPU实现条带和成批矩阵乘法运算
`gpucoder.batchedMatrixMultiplyAdd`	优化了批量矩阵乘加运算的GPU实现
`gpucoder.stridedMatrixMultiplyAdd`	优化的图形处理器实现条带，成批矩阵乘与添加操作
`gpucoder.sort`	优化的GPU实现MATLAB排序函数
`coder.gpu.iterations`	为代码生成器在变量绑定循环上作出并行化决策提供信息的Pragma
`gpucoder.transpose`	优化的GPU实现MATLAB转置矩阵函数
`gpucoder.reduce`	优化的GPU实现减少操作
`coder.ceval`	调用外部C/ c++函数

对象

`coder.gpuConfig`	配置参数CUDA代码生成的MATLAB代码通过使用GPU编码器
`coder.CodeConfig`	用于生成C/ c++代码的配置参数MATLAB代码
`coder.EmbeddedCodeConfig`	用于生成C/ c++代码的配置参数MATLAB代码与嵌入式编码器
`coder.gpuEnvConfig`	创建包含传递到的参数的配置对象`coder.checkGpuInstall`用于执行GPU代码生成环境检查

主题

来自元素方向循环的内核

从MATLAB函数创建内核，这些函数包含扩展的、基于元素的数学运算。

来自分散-聚集类型操作的内核

从MATLAB函数中创建包含约简操作的内核。

来自库调用的内核

目标GPU优化的数学库，如cuBLAS, cuSOLVER, cuFFT，和推力。

万博1manbetx支持GPU阵列

使用GPU阵列生成CUDA代码。

遗留代码集成

集成定制的GPU代码与MATLAB代码，意在代码生成。

设计模式

为包含计算设计模式的MATLAB函数创建内核。

GPU内存分配和最小化

内存分配选项和GPU编码器优化。

特色的例子

使用CUDA FFT库模拟衍射模式

使用GPU Coder™来利用CUDA®快速傅里叶变换库(cuFFT)在NVIDIA®GPU上计算二维FFT。二维傅里叶变换在光学中用于计算远场衍射图样。当一个单色光源通过一个小的光圈时，例如在杨氏双缝实验中，你可以观察到这些衍射图案。这个例子还向你展示了在生成CUDA MEX、源代码、静态库、动态库和可执行文件时，如何使用GPU指针作为入口点函数的输入。通过使用此功能，通过最小化生成代码中cudaMemcpy调用的数量，可以提高生成代码的性能。

打开脚本