数値的等価性テスト

GPU による高速化シミュレーションとプロセッサインザループ (PIL) シミュレーションを使用して、モデルコンポーネントと、これらのコンポーネントから生成する量産コードの数値的等価性をテストします。

GPU による高速化シミュレーションでは、開発用コンピューターでソースコードをテストします。PIL シミュレーションでは、実際のターゲットハードウェアのオブジェクトコードを実行して、ターゲットハードウェアに展開する予定のコンパイル済みオブジェクトコードをテストします。モデルコンポーネントと生成コードが数値的に等価かどうかを調べるには、GPU による高速化の結果と PIL の結果を、ノーマルモードの結果と比較します。

PIL のターゲット接続性設定

PIL シミュレーションを実行する前に、ターゲット接続性を構成する必要があります。ターゲット接続性設定により、PIL シミュレーションで以下の操作が可能になります。

ターゲットアプリケーションのビルド。
ターゲットでのアプリケーションのダウンロード、開始、および停止。
Simulink^® とターゲットの間の通信のサポート。

NVIDIA^® DRIVE および Jetson などのハードウェアプラットフォームのターゲット接続性の構成を作成するには、MATLAB^® Coder™ Support Package for NVIDIA Jetson™ and NVIDIA DRIVE™ Platforms をインストールします。

メモ

R2021a 以降、MATLAB Coder Support Package for NVIDIA Jetson and NVIDIA DRIVE^® Platforms の名称は、MATLAB Coder Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms になりました。R2021a でこのサポートパッケージを使用するには、MATLAB Coder 製品がインストールされていなければなりません。

ターゲットボード要件

NVIDIA DRIVE または Jetson 組み込みプラットフォーム。
ターゲットボードとホスト PC を接続するイーサネットクロスオーバーケーブル (ターゲットボードをローカルネットワークに接続できない場合)。
ボードにインストールされている NVIDIA CUDA^® Toolkit。
コンパイラおよびライブラリ用のターゲット上の環境変数。サポートされているコンパイラおよびライブラリのバージョンおよびその設定の詳細については、Install and Setup Prerequisites for NVIDIA Boardsを参照してください。

ライブハードウェア接続オブジェクトの作成

サポートパッケージソフトウェアは、生成された CUDA コードを DRIVE プラットフォームまたは Jetson プラットフォームでビルドして実行している間、TCP/IP 経由の SSH 接続を使用してコマンドを実行します。ターゲットプラットフォームをホストコンピューターと同じネットワークに接続するか、イーサネットクロスケーブルを使用してボードをホストコンピューターに直接接続します。ボードを設定して構成する方法については、NVIDIA のドキュメントを参照してください。

NVIDIA ハードウェアと通信するには、関数 jetson または関数 drive を使用してライブハードウェア接続オブジェクトを作成します。関数を使用してライブハードウェア接続オブジェクトを作成するには、ターゲットボードのホスト名または IP アドレス、ユーザー名、およびパスワードを提供します。たとえば、次のようにして Jetson ハードウェアのライブオブジェクトを作成します。

hwobj = jetson('192.168.1.15','ubuntu','ubuntu');

ハードウェア、コンパイラツール、ライブラリ、IO サーバーのインストールをチェックし、ターゲットの周辺装置情報を収集します。この情報はコマンドウィンドウに表示されます。

Checking for CUDA availability on the Target...
Checking for NVCC in the target system path...
Checking for CUDNN library availability on the Target...
Checking for TensorRT library availability on the Target...
Checking for Prerequisite libraries is now complete.
Fetching hardware details...
Fetching hardware details is now complete. Displaying details.
 Board name        : NVIDIA Jetson TX2
 CUDA Version      : 9.0
 cuDNN Version     : 7.0
 TensorRT Version  : 3.0
 Available Webcams : UVC Camera (046d:0809)
 Available GPUs    : NVIDIA Tegra X2

または、次のようにして DRIVE ハードウェアのライブオブジェクトを作成します。

hwobj = drive('92.168.1.16','nvidia','nvidia');

メモ

接続に失敗した場合、MATLAB コマンドウィンドウで診断エラーメッセージが報告されます。接続が失敗した場合に最も可能性が高い原因は、IP アドレスまたはホスト名が誤っていることです。

例:マンデルブロ集合

説明

マンデルブロ集合とは、下記の方程式で定義された軌跡が k→∞ のときに有限の範囲内にとどまる値 z₀ で構成された複素平面の領域です。

$z_{k + 1} = z_{k}^{2} + z_{0}, k = 0, 1, \dots$

マンデルブロ集合の全体的な幾何形状を図に示しています。この図には、集合の境界の外側周辺における詳しい構造を十分に示すための解像度がありません。拡大率を上げていくと、マンデルブロ集合の詳細な境界が示され、そこでは徐々に細かくなりながら細部が繰り返されていることがわかります。

Geometry of the Mandelbrot set

アルゴリズム

このチュートリアルでは、メインのカージオイドとその左側にある p/q 球状部との谷間にある、マンデルブロ集合の大きく拡大された部分を指定する一連の範囲を選択します。これらの 2 つの範囲間に、実数部 (x) と虚数部 (y) の 1000 x 1000 のグリッドを作成します。次に、マンデルブロアルゴリズムを各グリッド位置で反復します。500 回の反復回数で、完全な解像度のイメージがレンダリングされます。

maxIterations = 500;
gridSize = 1000;
xlim = [-0.748766713922161,-0.748766707771757];
ylim = [0.123640844894862,0.123640851045266];

このチュートリアルでは、CPU で実行される標準の MATLAB コマンドを使ったマンデルブロ集合の実装を使用します。この計算はすべての場所が同時に更新されるようにベクトル化されています。

最上位モデルでの GPU による高速化または PIL シミュレーション

最上位モデル PIL シミュレーションを実行して、生成されたモデルコードをテストします。この方法には以下が含まれます。

スタンドアロンコードインターフェイスを使用する最上位モデルから生成されたコードをテスト。
MATLAB ワークスペースからテストベクトルまたはスティミュラス入力を読み込むようにモデルを構成。
ノーマルモード、GPU による高速化モード、および PIL シミュレーションモードの間で最上位モデルを容易に切り替え可能。

マンデルブロ最上位モデルの作成

Simulink モデルを作成し、User-Defined Functions ライブラリから MATLAB Function ブロックを挿入します。
MATLAB Function ブロックをダブルクリックします。既定の関数シグネチャが MATLAB Function ブロックエディターに表示されます。

マンデルブロアルゴリズムを実装する関数 mandelbrot_count を定義します。関数ヘッダーは、maxIterations、xGrid、および yGrid を関数 mandelbrot_count の引数として宣言し、また count を戻り値として宣言します。

function count = mandelbrot_count(maxIterations, xGrid, yGrid)
% mandelbrot computation

z0 = xGrid + 1i*yGrid;
count = ones(size(z0));

% Map computation to GPU
coder.gpu.kernelfun;

z = z0;
for n = 0:maxIterations
    z = z.*z + z0;
    inside = abs(z)<=2;
    count = count + inside;
end
count = log(count);

MATLAB Function ブロックのブロックパラメーターを開きます。[コード生成] タブで、[関数のパッケージ化] パラメーターについて [再利用可能な関数] を選択します。
[関数のパッケージ化] パラメーターが他の値に設定されている場合、CUDA カーネルが生成されない可能性があります。
Sources および Sinks ライブラリから Inport (Simulink) ブロックと Outport (Simulink) ブロックを追加します。
これらのブロックを、次の図に示すように接続します。モデルを mandelbrot_top.slx として保存します。

GPU による高速化のためのモデルの構成

数値的等価性テストに取り組むため、次の機能をオフにします。

モデルカバレッジ
コードカバレッジ
実行時間プロファイリング

model = 'mandelbrot_top';
close_system(model,0);
open_system(model)
set_param(gcs, 'RecordCoverage','off');
coverageSettings = get_param(model, 'CodeCoverageSettings');
coverageSettings.CoverageTool='None';
set_param(model, 'CodeCoverageSettings',coverageSettings);
set_param(model, 'CodeExecutionProfiling','off');

入力スティミュラスデータを構成します。次のコード行は、xlim と ylim で指定した範囲の間に実数部 (x) と虚数部 (y) の 1000 x 1000 のグリッドを生成します。

gridSize = 1000;
xlim = [-0.748766713922161, -0.748766707771757];
ylim = [ 0.123640844894862,  0.123640851045266];
x = linspace( xlim(1), xlim(2), gridSize );
y = linspace( ylim(1), ylim(2), gridSize );
[xG, yG] = meshgrid( x, y );
maxIterations = timeseries(500,0);
xGrid = timeseries(xG,0);
yGrid = timeseries(yG,0);

モデルのログオプションを構成します。

set_param(model, 'LoadExternalInput','on');
set_param(model, 'ExternalInput','maxIterations, xGrid, yGrid');
set_param(model, 'SignalLogging', 'on');
set_param(model, 'SignalLoggingName', 'logsOut');
set_param(model, 'SaveOutput','on')

ノーマルシミュレーションと PIL シミュレーションの実行

ノーマルモードシミュレーションを実行します。

set_param(model,'SimulationMode','normal')
set_param(model,'GPUAcceleration','on');
sim_output = sim(model,10);
count_normal = sim_output.yout{1}.Values.Data(:,:,1);

最上位モデルの PIL シミュレーションを実行します。

set_param(model,'SimulationMode','Processor-in-the-Loop (PIL)')
sim_output = sim(model,10);
count_pil = sim_output.yout{1}.Values.Data(:,:,1);

### Target device has no native communication support.
Checking connectivity configuration registrations...
### Starting build procedure for: mandelbrot_top
### Generating code and artifacts to 'Model specific' folder structure
### Generating code into build folder: 
/mathworks/examples/sil_pil/mandelbrot_top_ert_rtw
### Generated code for 'mandelbrot_top' is up to date because no structural, 
parameter or code replacement library changes were found.
### Evaluating PostCodeGenCommand specified in the model
### Using toolchain: NVCC for NVIDIA Embedded Processors
### '/mathworks/examples/sil_pil/mandelbrot_top_ert_rtw/mandelbrot_top.mk' is 
up to date
### Building 'mandelbrot_top': make  -f mandelbrot_top.mk buildobj
### Successful completion of build procedure for: mandelbrot_top

Build Summary

Top model targets built:

Model                Action         Rebuild Reason                           
=============================================================================
mandelbrot_top  Code compiled  Compilation artifacts were out of date.  

1 of 1 models built (0 models already up to date)
Build duration: 0h 0m 22.94s
### Target device has no native communication support. Checking connectivity 
configuration registrations...
### Connectivity configuration for component "mandelbrot_top": NVIDIA Jetson ###
PIL execution is using Port 17725.
PIL execution is using 30 Sec(s) for receive time-out.
### Preparing to start PIL simulation ...
### Using toolchain: NVCC for NVIDIA Embedded Processors
### '/mathworks/examples/sil_pil/mandelbrot_top_ert_rtw/pil/mandelbrot_top.mk' is 
up to date
### Building 'mandelbrot_top': make  -f mandelbrot_top.mk all
### Starting application: 'mandelbrot_top_ert_rtw/pil/mandelbrot_top.elf'
### Launching application mandelbrot_top.elf...
PIL execution terminated on target.

このモデルの最新コードがない場合は、新しいコードが生成され、コンパイルされます。生成されたコードは、コンピューター上で個別のプロセスとして実行されます。

ノーマルシミュレーションと PIL シミュレーションの結果をプロットし、比較します。結果が一致することを確認します。

figure();
subplot(1,2,1)
imagesc(x, y, count_normal);
colormap([jet();flipud( jet() );0 0 0]);
title('Mandelbrot Set Normal Simulation');
axis off;

subplot(1,2,2)
imagesc(x, y, count_pil);
colormap([jet();flipud( jet() );0 0 0]);
title('Mandelbrot Set PIL');
axis off;

Mandelbrot set output from normal and PIL simulations

クリーンアップします。

close_system(model,0);
if ishandle(fig1), close(fig1), end
clear fig1
simResults = {'count_sil','count_normal','model'};
save([model '_results'],simResults{:});
clear(simResults{:},'simResults')

制限

MAT ファイルのログ記録は、GPU Coder™ を使用したプロセッサインザループ (PIL) シミュレーションではサポートされていません。
MATLAB Coder Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms は、コード実行プロファイリングをサポートしていません。[コンフィギュレーションパラメーター] 、 [ハードウェア実行] 、 [ハードウェアボード] が [NVIDIA Jetson] または [NVIDIA Drive] に設定されている場合、[コンフィギュレーションパラメーター] 、 [コード生成] 、 [検証] 、 [タスク実行時間を計測する] を無効にしてください。

参考

関数

open_system (Simulink) | load_system (Simulink) | save_system (Simulink) | close_system (Simulink) | bdclose (Simulink) | get_param (Simulink) | set_param (Simulink) | sim (Simulink) | slbuild (Simulink)