生成コードの正確性の検証

GPU Coder™ には、コードの生成後、ソースコードを検証して生成コードの正確性をテストする複数のオプションが用意されています。

コード生成レポートは、生成された CUDA^® ソースファイル、生成されたデータ型、およびその他のコードの洞察を検証する対話型のインターフェイスを提供します。詳細については、コード生成レポートを参照してください。
GPU Coder アプリで、生成された MEX 関数を検証します。
コマンドラインで、生成された MEX 関数を検証します。
MATLAB^® Coder™ Support Package for NVIDIA^® Jetson and NVIDIA DRIVE Platforms では、プロセッサインザループ (PIL) 実行を使用して MATLAB 関数から生成した CUDA コードの数値的動作をチェックできます。詳細は、Processor-In-The-Loop Execution from Command Line (MATLAB Coder Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms)とProcessor-In-The-Loop Execution with the GPU Coder App (MATLAB Coder Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms)を参照してください。
Embedded Coder^® がある場合、ソフトウェアインザループ (SIL) 実行を使用して、生成された CUDA コードの数値的な動作を検証できます。

GPU Coder アプリでの MEX 関数の検証

GPU Coder アプリでは、MEX 関数を生成した後に、その関数に元の MATLAB エントリポイント関数と同じ機能があることを検証できます。テスト対象の関数用にテストベクトルを生成するテストファイルを指定してから、元の MATLAB エントリポイント関数を呼び出します。テストファイルには MATLAB 関数またはスクリプトを指定できますが、元のエントリポイント関数と同じフォルダーに配置しなければなりません。

GPU Coder アプリの [コード生成] ページで [コードの検証] をクリックします。
テストファイルを入力または選択します。たとえば、myfunction_test のようにします。
元の MATLAB 関数の呼び出しを MEX 関数の呼び出しと置き換えずにテストファイルを実行するには、[次を使用して実行] オプションに対して [MATLAB コード] を選択します。[生成されたコードの実行] をクリックします。
元の MATLAB 関数の呼び出しを MEX 関数の呼び出しと置き換えてテストファイルを実行するには、[次を使用して実行] オプションに対して [生成コード] を選択します。[生成されたコードの実行] をクリックします。
元の MATLAB 関数を実行した結果と、生成された CUDA MEX 関数を実行した結果を比較します。

コマンドラインでの MEX 関数の検証

関数 coder.runTest を使用して、生成された CUDA MEX ファイルをコマンドラインで検証できます。関数 coder.runTest は、元の MATLAB 関数の呼び出しと MEX 関数の呼び出しを置き換えて、テストファイルを実行します。たとえば、myfunction_test テストファイルを使用して関数 myfunction をテストするには、MATLAB コマンドウィンドウに次のコードを入力します。

coder.runTest('myfunction_test','myfunction')

結果を、元の MATLAB 関数を実行した結果と比較します。実行中にエラーが発生した場合、デバッグ用に呼び出しスタックの情報が提供されます。または、-test オプションを指定して codegen を使用できます。

codegen myfunction -test'myfunction_test'

テストファイルには、MATLAB 関数、スクリプト、またはクラスベースのユニットテストを指定できます。

ソフトウェアインザループによるコード検証

GPU Coder は、ソフトウェアインザループ (SIL) 実行をサポートしています。これにより、ソースコードとコンパイルされたオブジェクトコードを検証できます。MATLAB SIL インターフェイスを介した SIL の実行中、ソフトウェアは開発用コンピューター上でライブラリコードをコンパイルし、指定したテストベクトルを使用してライブラリコードを実行します。MATLAB 関数用に開発したテストベクトルを再利用して、ライブラリコードの数値的な動作を検証できます。

メモ

Microsoft^® Windows^® システムでは、Windows ファイアウォールによって SIL 実行がブロックされる可能性があります。アクセスが許可されるように Windows ファイアウォールの設定を変更してください。
SIL 実行を使用する場合、GPU Coder 設定の Benchmarking オプションが false になっていることを確認してください。ベンチマークを使用して SIL を実行するとコンパイルエラーになります。

GPU Coder アプリによる SIL 実行

ソフトウェアインザループ (SIL) 実行は [スタティックライブラリ] および [ダイナミックライブラリ] 出力タイプでのみサポートされます。MEX 関数を生成した場合、[ビルドタイプ] に [スタティックライブラリ] または [ダイナミックライブラリ] を使用するようにプロジェクト設定を変更し、[コード生成] を再度実行しなければなりません。

GPU Coder アプリを開くには、MATLAB ツールストリップの [アプリ] タブにある [コード生成] で、アプリアイコンをクリックします。
プロジェクトを開くには、をクリックし、[既存のプロジェクトを開く] をクリックします。プロジェクト myproject.prj を選択します。[コード生成] ページで、[生成] 矢印をクリックします。
[生成] ダイアログボックスで、以下を行います。
- [ビルドタイプ] を [スタティックライブラリ] または [ダイナミックライブラリ] に設定します。
- [コード生成のみ] チェックボックスをオフにします。
- 他の設定は既定値をそのまま使用できます。
CUDA コードを生成するには、[生成] をクリックします。[コードの検証] をクリックします。
コマンドフィールドで、元の MATLAB 関数 (例: myfunction) を呼び出すテストファイル (例: myfunction_test.m) を指定します。
SIL 実行を開始するには、[生成されたコードの実行] をクリックします。GPU Coder アプリは以下を行います。
- codegen\lib\myfunction にスタンドアロンライブラリを生成します。
- codegen\lib\myfunction\sil に SIL インターフェイスコードを生成します。
- テストファイルを実行し、MATLAB 関数の呼び出しとライブラリ内の生成コードの呼び出しを置き換えます。
- SIL 実行からのメッセージを [テスト出力] タブに表示します。
SIL 実行の結果と元の MATLAB 関数の結果が一致していることを確認します。
SIL 実行プロセスを終了するには、[SIL 検証を停止] をクリックします。または、[テスト出力] タブで、[実行を終了するには] の後ろにあるリンクをクリックします。

コマンドラインからの SIL 実行

コマンドラインから SIL 実行を設定および開始するには、ライブラリコード生成用の GPU Coder 構成オブジェクトを作成し、config_obj.VerificationMode = 'SIL' を有効にします。次に、関数 codegen を使用してライブラリコードと SIL インターフェイスを生成し、関数 coder.runTest を使用して元の MATLAB 関数用のテストファイルを実行します。以下は、SIL 実行を行うための一連のコマンドを自動化するビルドスクリプトです。

%% Create configuration object for static library.
config = coder.gpuConfig('lib');
config.GenerateReport = true;
config.VerificationMode = 'SIL';

%% Define argument types for entry-point 'mandelbrot_count'.
ARGS = cell(1,1);
ARGS{1} = cell(3,1);
ARGS{1}{1} = coder.typeof(0);
ARGS{1}{2} = coder.typeof(0,[1000 1000]);
ARGS{1}{3} = coder.typeof(0,[1000 1000]);

%% Invoke GPU Coder.
codegen -config config myfunction -args ARGS{1}

%% Run the test file with the sil interface
coder.runTest('myfunction_test', ['myfunction_sil.' mexext]);

%% Terminate SIL execution
clear myfunction_sil;

CPU と GPU の数値の差

CPU と GPU ではアーキテクチャが異なるため、数値検証が常に一致するとは限りません。このシナリオは、single データ型を MATLAB コードで使用し、これらの single データ型の値に対して累積演算を実行する場合に、特に当てはまります。ただし、マンデルブロの例のように、double データ型が数値誤差の原因になる場合もあります。この不一致が発生する 1 つの原因は、GPU の浮動小数点単位では融合浮動小数点積和演算 (FMAD) 命令が使用される一方で、CPU ではこれらの命令が使用されないためです。また、CUDA コンパイラにより、計算結果の精度に影響するこれらの命令レベルの最適化が既定で実行されることも重要です。たとえば、CUDA コンパイラは、浮動小数点の乗算命令と加算命令を融合して単一の命令に変えます。この浮動小数点積和演算 (FMAD) 操作は、2 つの単一の命令に比べて 2 倍高速に実行されますが、数値の精度が失われる結果になります。組み込み関数とコンパイラフラグを使用することで、これらの最適化をより厳しく制御できます。コンパイラフラグを設定するには、coder.gpuConfig を参照してください。CUDA 内部パラメーターを統合するには、生成コードからのカスタム CUDA デバイス関数の呼び出しを参照してください。

参考