MATLAB Coder

Générer du code C et C++ à partir de code MATLAB

MATLAB Coder génère du code C et C++ depuis MATLAB pour une variété de plateformes hardware, des PC jusqu'aux systèmes embarqués. Il supporte la plupart du langage MATLAB ainsi qu'un grand nombre de toolboxes. Vous pouvez intégrer le code généré dans vos projets sous forme de code source et de librairies statiques ou dynamiques. Le code généré est lisible et portable. Vous pouvez le combiner avec les composants clés de votre code C et C++ existant ou de vos librairies. Vous pouvez également packager le code généré sous forme de fonction MEX pour l'utiliser dans l'environnement MATLAB.

Utilisé avec Embedded Coder, MATLAB Coder vous permet de personnaliser et d’assurer la traçabilité du code, de l’optimiser pour une cible spécifique et de le vérifier par des tests SIL (software-in-the-Loop) et PIL (processor-in-the-loop).

Pour déployer des programmes MATLAB sous forme d'applications autonomes, utilisez MATLAB Compiler. Pour générer des composants logiciels destinés à une intégration avec d'autres langages de programmation, utilisez MATLAB Compiler SDK.

En savoir plus:

Exécuter sur n'importe quelle cible
Déployer du code C++ depuis MATLAB
Déployer des modèles de Machine Learning et des réseaux de Deep Learning
Prototyper sur du hardware
Intégration logicielle
Accélérer les algorithmes

Introduction à MATLAB Coder

Exécuter sur n'importe quelle cible

Générez du code source C/C++ ANSI lisible et portable. Déployez du code libre de droits.

Déployer des algorithmes libres de droits

Utilisez n'importe quel compilateur C/C++ pour compiler et exécuter votre code généré sur n'importe quelle cible, depuis les PC, smartphones et tablettes, jusqu'au hardware embarqué. Le code généré est libre de droits, vous pouvez donc le déployer gratuitement dans des applications commerciales pour vos clients.

Générer du code C/C++ à partir de code MATLAB (4:34)

Guide de démarrage rapide MATLAB Coder

Code généré pour la multiplication matricielle.

Témoignages clients sur MATLAB Coder

Découvrez comment les ingénieurs et scientifiques de différentes industries utilisent MATLAB Coder pour générer du code C/C++ pour leurs applications.

BMW déploie des algorithmes de Machine Learning pour détecter le survirage sur ECU

Qualcomm développe des composants RF 5G et des algorithmes de contrôle associés

Delphi développe un algorithme d'alignement de capteurs radar pour un système de sécurité active automobile

IDNEO développe des algorithmes embarqués de Computer Vision et de Machine Learning pour l'interprétation des résultats de groupes sanguins

VivaQuant accélère le développement et la validation d'un dispositif embarqué pour un système ECG ambulatoire

dorsaVi a développé des algorithmes d'analyse du mouvement pour des applications médicales, sportives et de sécurité au travail avec MATLAB Coder.

Delphi développe un algorithme d'alignement de capteurs radar pour un système de sécurité active automobile.

Toolboxes et fonctions supportées

MATLAB Coder génère du code à partir d'un large éventail de fonctionnalités du langage MATLAB que les ingénieurs utilisent pour développer des algorithmes en tant que composants de systèmes plus importants. Ceci inclut plus de 2500 opérateurs et fonctions MATLAB ainsi que les toolboxes connexes.

Fonctions et toolboxes supportées

Le Deep Learning avec MATLAB Coder

Pour les algorithmes utilisant d'autres fonctions, envisagez également MATLAB Compiler SDK

Générer du code à partir d'algorithmes de Computer Vision pour des applications comme la détection et le suivi de visages avec l'algorithme KLT.

Déployer du code C++ depuis MATLAB

Intégrez le code généré à du code source C++ orienté objet.

Générer du code C++ avec des namespaces

MATLAB Coder peut générer du code C++ dans un namespace, ce qui facilite l'intégration avec d'autres codes sources contenant des noms de fonctions ou types de données identiques. Le générateur de code regroupe toutes les fonctions générées et les définitions de types dans le namespace.

Génération de code C++

Intégrer plusieurs projets de code C++ générés

Code généré intégrant des variables avec des noms de types de données identiques en utilisant des namespaces.

Générer des classes C++ à partir de classes MATLAB

MATLAB Coder génère des classes C++ à partir des classes de votre code MATLAB, notamment des classes de type value, de type handle et des system objects. Le code généré peut être compilé dans des bibliothèques C++ ou des exécutables et intégré dans votre code source C++ existant.

Générer des classes C++ pour des classes MATLAB

Générer du code C++ avec des interfaces de classe

Générer des classes C++ à partir de classes MATLAB en utilisant MATLAB Coder (4:13)

Génération de code C++ orienté objet depuis des algorithmes MATLAB

Utiliser des structures C++ allouées dynamiquement dans les interfaces de fonctions générées

Générez du code C++ pour les fonctions MATLAB qui acceptent ou renvoient une structure dont la taille est inconnue au moment de la compilation, ou dont la limite dépasse un seuil prédéfini. Dans le code généré, l'allocation de mémoire pour la structure se fait de manière dynamique et sous la forme d'un modèle de classe nommé coder::array. En complément de la désallocation de mémoire avec traitement des exceptions, coder::array propose des API permettant d'accéder à la structure dynamique et de la gérer.

Utiliser des structures C++ allouées dynamiquement dans les interfaces de fonctions générées

Passer des structures allouées dynamiquement aux fonctions générées.

Déployer des modèles de Machine Learning et des réseaux de Deep Learning

Générez du code à partir de réseaux de Deep Learning entraînés et de modèles de Machine Learning.

Déployer des algorithmes de Deep Learning de bout en bout

Déployez de nombreux réseaux de Deep Learning entraînés (ResNet-50, MobileNet-v2, LSTM et autres couches) à partir de Deep Learning Toolbox sur des processeurs Intel^® et ARM^® Cortex^®. Générez le code du pré- et post-traitement et de vos réseaux de Deep Learning afin de déployer des algorithmes complets.

Réseaux et couches supportés

Deep Learning sur un processeur Intel avec MKL-DNN (1:36)

Classification d'images sur des CPU ARM : SqueezeNet sur Raspberry Pi (4:22)

Génération de code et déploiement du réseau MobileNet-v2 sur Raspberry Pi

Classifier des images avec SqueezeNet sur Raspberry Pi

Générer du code optimisé pour l'inférence du Deep Learning

L'exécution du code généré est plus rapide et utilise moins de mémoire que les autres solutions de Deep Learning, car MATLAB Coder ne génère que le code nécessaire pour exécuter l'inférence avec votre algorithme spécifique. Le code généré appelle des bibliothèques optimisées, notamment Intel MKL-DNN pour les processeurs Intel et ARM Compute Library pour les processeurs ARM Cortex. Utilisez GPU Coder pour générer du code CUDA^® pour accélérer ou déployer les algorithmes, exécutable sur tout GPU NVIDIA^® moderne.

Générer du code C++ pour la détection d'objets avec YOLO v2 et Intel MKL-DNN

Inférence de détection de défauts sur ARM Cortex-A depuis MATLAB (4:37)

GPU Coder

Détection de piétons sur des processeurs Intel Xeon

Déployer des modèles de Machine Learning de bout en bout

Déployez des modèles de Machine Learning et de statistiques en générant du code C/C++ pour l'ensemble de votre algorithme de Machine Learning, y compris les prétraitements et les post-traitements. Mettez à jour les paramètres des modèles déployés sans regénérer le code C/C++ de la prédiction.

Techniques fondamentales pour exécuter votre modèle de Machine Learning sur des dispositifs embarqués (2:30)

Génération de code pour les modèles de Machine Learning

Génération de code pour la classification d'images

Mettre à jour les paramètres des modèles pour la génération de code

Générer du code C/C++ virgule fixe pour la prédiction SVM

Workflow de génération de code pour les modèles de Machine Learning

Prototyper sur du hardware

Implémentez votre algorithme rapidement sur du hardware grâce à la conversion automatique en code C/C++.

Prototyper sur des plateformes PC et cloud

Utilisez l'application MATLAB Coder ou des fonctions en ligne de commande équivalentes pour générer rapidement du code et le compiler pour votre hardware, quel que soit le type d'application : traitement du signal, Computer Vision, Deep Learning, systèmes de contrôle, etc.

Génération d'un exécutable pour le prototypage avec MATLAB Coder (2:57)

Deep Learning sur un processeur Intel avec MKL-DNN (1:36)

Prototypage rapide d'algorithmes sur des plateformes desktop ou cloud pour des algorithmes de traitement d'images comme la détection de contours Sobel.

Prototyper sur des plateformes embarquées et mobiles

Ciblez n'importe quel dispositif en intégrant manuellement le code généré à votre application. Automatisez le processus pour Raspberry Pi à l'aide du Support Package MATLAB pour Raspberry Pi.

Déployer sur des applications iPhone ou iPad avec MATLAB Coder (0:26)

Support Raspberry Pi à partir de MATLAB, partie 2 : déployer des algorithmes MATLAB sur Raspberry Pi (11:11)

Inférence de détection de défauts sur ARM Cortex-A depuis MATLAB (4:37)

Classification d'images sur des CPU ARM : SqueezeNet sur Raspberry Pi (4:22)

Prototypage rapide d'algorithmes sur plateformes embarquées et mobiles.

Du prototypage à la production

Utilisez MATLAB Coder avec Embedded Coder pour générer du code utilisant les intrinsèques propres au processeur et s'exécutant plus rapidement que du code C/C++ ANSI/ISO standard.

Accélérer l'exécution avec des intrinsèques spécifiques au processeur pour les processeurs ARM Cortex

Profiler le temps d'exécution du code autonome généré

Traçabilité interactive bidirectionnelle entre le code MATLAB et le code généré

Profiler le temps d'exécution du code autonome généré.

Intégration logicielle

Réutilisez les algorithmes MATLAB sous forme de code C/C++ dans votre environnement logiciel.

Générer du code avec des interfaces simples, faciles à intégrer

Le code généré utilise des types C/C++ de manière naturelle, facilitant l’intégration avec du code externe. Vous pouvez intégrer le code généré sous forme de code source ou de bibliothèques. Pour des tests plus complets, vous pouvez importer des bibliothèques ou des composants C/C+ fiables dans MATLAB qui seront automatiquement appelés à partir du code généré.

Exemple de fonction main montrant comment invoquer le code généré

Intégrer du code dans Visual Studio avec MATLAB Coder (4:17)

Tests unitaires de code C avec MATLAB et MATLAB Coder (4:19)

Rapport de traçabilité interactif avec MATLAB Coder et Embedded Coder.

Optimiser les performances du code généré

Appliquez des optimisations pour trouver le meilleur compromis entre vitesse d'exécution, utilisation de la mémoire, lisibilité et portabilité. Utilisez des outils de profilage pour identifier les goulots d'étranglement. Pour doper encore les performances, générez du code OpenMP multicœurs et appelez des bibliothèques optimisées telles que LAPACK, BLAS ou encore FFTW le cas échéant.

Optimisations MATLAB Coder dans le code généré

Génération de code multicœurs

Profilage des fonctions MEX avec MATLAB Profiler

Exemple de code généré contenant des appels à OpenMP.

Réutiliser les tests MATLAB sur le code généré avant l'intégration

Réutilisez vos tests MATLAB existants pour vérifier le comportement du code généré dans l'environnement MATLAB interactif. Mettez à profit l'environnement de tests unitaires MATLAB Unit Test Framework pour développer rapidement un vaste jeu de tests de régression utilisables pour vérifier le code C/C++ généré.

MATLAB Unit Test Framework

Tests unitaires de votre code généré avec MATLAB Coder (2:58)

Vérifier le comportement numérique du code final généré avec Embedded Coder

Vérifier le comportement du code généré avant l'intégration à votre application.

Accélérer les algorithmes

Générez du code C/C++ et compilez-le pour l'utiliser dans MATLAB.

Accélérer les algorithmes sur CPU

Vous pouvez appeler le code généré sous forme de fonctions MEX à partir de votre code MATLAB pour accélérer son exécution. L'accélération observée dépendra de la nature de votre code MATLAB. Vous pouvez profiler les fonctions MEX générées pour identifier les goulots d'étranglement et ainsi cibler vos efforts d'optimisation.

Accélérer les algorithmes et applications MATLAB

Accélérer un algorithme de compression d'image avec MATLAB Coder (4:21)

Profiler des fonctions MEX avec MATLAB Profiler

Profiler des fonctions MEX pour identifier les goulots d'étranglement affectant les performances.

Accélérer les algorithmes avec des GPU

Utilisez Parallel Computing Toolbox pour accélérer les algorithmes exécutés dans MATLAB. Utilisez GPU Coder pour générer du code CUDA pour l'accélération ou le déploiement, exécutable sur tout GPU NVIDIA moderne.

Parallel Computing Toolbox

GPU Coder