この例では、GPU Coder™ Support Package for NVIDIA GPUs を使用して NVIDIA® DRIVE™ および Jetson ハードウェア プラットフォームに接続して基本的な操作を実行し、MATLAB® 関数から CUDA® 実行可能ファイルを生成して、その実行可能ファイルをハードウェアで実行する方法を説明します。この概念を説明するため、単純なベクトル追加の例を使用します。

この例では、GPU Coder™ Support Package for NVIDIA GPUs を使用して NVIDIA® Jetson Nano に接続された Raspberry Pi Camera Module V2 からのイメージをキャプチャして処理する方法を示します。GPU Coder Support Package for NVIDIA GPUs によって、Camera Module V2 からのイメージをキャプチャして MATLAB® 環境にそのまま持ち込んで処理できます。この例では、この機能を使用してソーベル エッジ検出アルゴリズムを開発する方法を学習します。

この例では、深層学習を使用するイメージ セグメンテーション アプリケーションの CUDA® 実行可能ファイルを生成して展開する方法について説明します。これは GPU Coder™ Support Package for NVIDIA® GPUs を使用して、NVIDIA DRIVE™ プラットフォーム上に実行可能ファイルを展開します。この例では、ホスト コンピューターでコード生成を実行し、生成されたコードを、サポート パッケージのリモート ビルド機能を使用して、ターゲット プラットフォーム上でビルドします。セマンティック セグメンテーションの詳細については、セマンティック セグメンテーション ネットワークのコード生成を参照してください。

この例では、GPU Coder™ Support Package for NVIDIA GPUs を使用して、Image Processing Toolbox™ アルゴリズムを NVIDIA® Jetson TX2 ボードに展開する方法を説明します。この概念を説明するための例として、関数 imtophat (Image Processing Toolbox) を使用します。この関数は、グレースケール イメージに対してモルフォロジー トップハット フィルター処理を実行します。トップハット フィルター処理を実行するとイメージのモルフォロジー オープニングが計算され (imopen (Image Processing Toolbox) を使用)、次に元のイメージから結果が減算されます。生成された CUDA® コードでは、GPU での演算を高速化するために共有メモリが使用されます。

この例では、GPU Coder™ Support Package for NVIDIA GPUs を使用して、DAGNetwork オブジェクトから CUDA® コードを生成し、その生成コードを NVIDIA® Jetson TX2 ボードに展開する方法を説明します。この例では、resnet50 深層学習ネットワークを使用して、USB Web カメラのビデオ ストリームのイメージを分類します。