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。通过高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。可以触发GPU编码器™为MATLAB中的特定算法结构和模式创建CUDA内核^®代码。

应用程序

GPU编码器	生成GPU代码MATLAB码
检查显卡安装	验证并设置GPU代码生成环境

功能

`一半`	构造半精度的数值对象
`coder.checkGpuInstall`	验证GPU代码生成环境
`coder.gpuConfig`	配置参数CUDA代码生成的MATLAB使用代码GPU编码器
`codegen`	生成从C / C ++代码MATLAB码
`gpucoder`	开放GPU编码器应用程序
`coder.gpu.kernel`	编译指示映射`为`-对GPU内核的循环
`coder.gpu.kernelfun`	附注映射功能，GPU内核
`coder.gpu.nokernel`	为循环禁用内核创建
`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模具功能代码
`gpucoder.matrixMatrixKernel`	优化GPU实现包含矩阵矩阵操作的函数
`gpucoder.batchedMatrixMultiply`	优化GPU实现批量矩阵乘法运算
`gpucoder.stridedMatrixMultiply`	优化GPU实现跨步矩阵乘法和批处理矩阵乘法运算
`gpucoder.batchedMatrixMultiplyAdd`	用加法运算优化GPU批量矩阵乘法的实现
`gpucoder.stridedMatrixMultiplyAdd`	优化GPU实现的大步，成批矩阵乘法与加法操作
`gpucoder.sort`	优化的GPU实现的MATLAB排序函数
`coder.gpu.iterations`	附注是对代码生成提供信息的变量绑定循环进行并行化决定
`gpucoder.transpose`	优化的GPU实现的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使用代码GPU编码器
`coder.CodeConfig`	配置参数用于从C / C ++代码生成MATLAB码
`coder.EmbeddedCodeConfig`	配置参数用于从C / C ++代码生成MATLAB代码与嵌入式编码
`coder.gpuEnvConfig`	创建包含传递给参数配置对象`coder.checkGpuInstall`用于执行GPU代码生成环境检查

主题

元素行循环的内核

从创建包含标量化，逐元素的数学运算功能的MATLAB内核。

来自分散-聚集类型操作的内核

从包含约简操作的MATLAB函数中创建内核。

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对GPU阵列的支持

使用GPU阵列生成CUDA代码。

遗留代码整合

集成定制的GPU代码用于代码生成的MATLAB代码。

设计模式

创建包含计算设计模式MATLAB功能的内核。

GPU内存分配和最小化

内存分配选项和优化GPU编码器。

特色的例子

使用CUDA FFT库模拟衍射模式

使用GPU编码器™，以充分利用快速CUDA®傅立叶变换库（CUFFT）来计算对NVIDIA®GPU两维FFT。二维傅里叶变换在光学用于计算远场衍射图案。当单色光源穿过小孔径，比如在杨氏双缝实验，可以观察这些衍射图案。这个例子也示出了如何产生CUDA MEX，源代码，静态库，动态库和可执行当使用GPU的指针作为输入到一个入口点函数。通过使用此功能，生成的代码的性能是通过最小化在生成的代码cudaMemcpy呼叫的数量提高。

打开脚本