使用计算机Vision Toolbox™开发应用程序后,您可以为NVIDIA生成优化的CUDA代码®来自MATLAB代码的图形处理单元(GPU)。代码可以作为源代码,静态库或动态库集成到您的项目中,并且可以用于GPU上的原型设计。您可以使用MATLAB中的生成的CUDA在机器学习,深度学习或其他应用程序中加速MATLAB代码的计算密集部分。你必须有Matlab Coder™和GPU编码器™生成CUDA代码。
为了利用现代GPU提供的性能优势,某些计算机视觉工具箱功能可以在GPU上运行。此支持需要万博1manbetx并行计算工具箱™。
GPU环境检查和设置应用程序(GPU编码器)
验证并设置GPU代码生成环境。
使用GPU编码器应用程序的代码(GPU编码器)
使用GPU编码器应用程序生成来自MATLAB代码的CUDA代码。
代码生成使用命令行界面(GPU编码器)
通过使用MATLAB代码生成CUDA代码Codegen.
命令。
在GPU上运行matlab函数(并行计算工具箱)
如果您提供支持,MATLAB和其他工具箱中的数百个功能会自动运行GPUGPUArray.
(并行计算工具箱)参数。
GPU通万博1manbetx过发布支持(并行计算工具箱)
万博1manbetx支持Matlab发布的NVIDIA GPU架构。