从库调用内核
GPU编码器™支持库C万博1manbetxUDA优化®例如cuBLAS、cuSOLVER、cuFFT、Thrust、cuDNN和TensorRT等图形处理器库。
该CUBLAS库是基本线性代数子程序对NVIDIA的顶部实现（BLAS）®CUDA运行时。它允许你访问NVIDIA GPU的计算资源。
所述cuSOLVER文库是基于所述CUBLAS和cuSPARSE文库的高级封装。它提供了有用LAPACK状特征，如共同矩阵分解和三角求解稠密矩阵例程，稀疏最小二乘解算器，以及一个特征值解算器。
该CUFFT库提供在NVIDIA GPU的快速傅立叶变换（FFT）算法的高性能实现。该CUBLAS，cuSOLVER和CUFFT库是NVIDIA CUDA工具包的一部分。
Thrust是一个用于CUDA的c++模板库。推力库随CUDA工具包一起提供，允许您利用gpu加速的原语(如sort)来实现复杂的高性能并行应用程序。
在NVIDIA CUDA深层神经网络库（cuDNN）是原语深层神经网络的GPU加速的库。cuDNN提供高度调整为标准例程诸如向前和向后卷积，池，归一化，和活性层的实施方式。TheNVIDIATensorRT是一个高性能的深度学习推理优化器和运行时库。有关更多信息，请参见代码生成深学习网络利用cuDNN和代码生成深学习网络利用TensorRT。
GPU编码器不需要一个特殊的pragma来生成对库的内核调用。在代码生成过程中，当您选择使cuBLAS选项在GPU编码器应用程序或使用config_object.GpuConfig.EnableCUBLAS =真在CLI性能，GPU编码器替换调用的CUBLAS库中的某些功能。当您选择启用cuSOLVER选项在GPU编码器应用程序或使用config_object.GpuConfig。EnableCUSOLVER = true在CLI性能，GPU编码器替换调用的cuSOLVER库中的某些功能。对于GPU编码器，以取代高层次的数学函数库调用，下面的条件必须满足：
GPU专用库替换必须存在这些功能。
MATLAB®编码器™数据大小的阈值必须满足。
GPU编码器支持cu万博1manbetxFFT, cuSOLVER和cuBLAS库替换表中列出的函数。对于没有替代CUDA的函数，GPU编码器使用可移植的MATLAB函数，映射到GPU。
| MATLAB功能 | 描述 | MATLAB编码器LAPACK支万博1manbetx持 | CUBLAS，cuSOLVER，CUFFT，推力支持万博1manbetx |
|---|---|---|---|
|
矩阵相乘 |
是 |
是 |
|
解线性方程组 |
是 |
是 |
|
LU矩阵分解 |
是 |
是 |
|
Orthogonal-triangular分解 |
是 |
局部 |
|
矩阵的行列式 |
是 |
是 |
|
矩阵求逆 |
是 |
是 |
|
Cholesky分解 |
是 |
是 |
|
倒数条件数 |
是 |
是 |
|
求解线性方程组的系统 |
是 |
是 |
|
特征值和特征向量 |
是 |
没有 |
|
舒尔分解 |
是 |
没有 |
|
奇异值分解 |
是 |
局部 |
|
快速傅立叶变换 |
是 |
是 |
|
快速反傅里叶变换 |
是 |
是 |
排序的数组元素 |
是的,使用 |
当您选择启用CUFFT选项在GPU编码器应用程序或使用config_object.GpuConfig.EnableCUFFT =真属性在CLI, GPU编码器映射fft、传输线、fft2 ifft2 fftn.ifftn在您的MATLAB代码到适当的CUFFT库调用函数调用。对于2-d变换和更高，GPU编码器创建的多个1-d分批变换。这些成批转换具有比单变换更高的性能。GPU编码器只支持外的地方变换万博1manbetx。如果启用CUFFT没有被选择，GPU编码器采用CFFTW从可移植的MATLAB FFT生成内核的库。支持单精度和双精度数据类型。万博1manbetx输入和输出可以是实值的，也可以是复值的，但是实值转换更快。cuFFT库支持输入大小，这万博1manbetx些输入大小通常指定为2的幂，或者可以分解成小素数的乘积的值。一般来说，质因数越小，性能越好。
注意
使用CUDA库的名称，如cufft，CUBLAS,cudnn为您的MATLAB函数结果的代码生成错误的名称。
也可以看看
coder.gpu.constantMemory|coder.gpu.kernel|coder.gpu.kernelfun|gpucoder.matrixMatrixKernel|gpucoder.sort|gpucoder.stencilKernel
相关的话题
您也可以从以下列表中选择一个网站:
