创建，编译和部署DLHDL.Workflow对象，该对象将徽标识别网络用作网络对象，使用深度学习HDL Toolbox™支持软件包，用于Xilinx FPGA和SOC。万博1manbetx使用MATLAB®从目标设备检索预测结果。

通过使用深度学习HDL Toolbox™，创建，编译和部署DLHDL.WorkFlow对象，该对象将车道检测卷积神经网络作为网络对象。该网络可以使用深入学习HDL Toolbox™支持软件包来检测和输出车道标记边界作为网络对象。万博1manbetx使用MATLAB®从目标设备检索预测结果。

通过使用深度学习HDL Toolbox™支持软件包，使用RESNET-18作为网络对象，创建，编译和部署DLHDL.WorkFlow对象作为网络对象。万博1manbetx使用MATLAB®从目标设备检索预测结果。RESNET-18是一个经过验证的卷积神经网络，已通过超过一百万张图像进行了培训，可以将图像分为1000个对象类别（例如键盘，咖啡，杯子，铅笔和许多动物）。您也可以将VGG-19和DarkNet-19用作网络对象。

通过使用深度学习HDL Toolbox™支持包为Xilinx FPGA和SOC，训练，编译和部署DLHDL.WorkFlow对象，该对象将RESNET-18作为网络对象。万博1manbetx使用MATLAB®从目标设备检索预测结果。

部署经过定制训练的系列网络，以检测六角形坚果等物体中的缺陷。自定义网络通过使用转移学习培训。转移学习通常用于深度学习应用中。您可以进行验证的网络，并将其用作学习新任务的起点。通过转移学习，对网络进行微调通常比训练从头开始的随机初始化权重的网络更快，更容易。您可以使用较少数量的培训信号将学习的功能快速传输到新任务。该示例使用两个训练有素的系列网络，traineddefnet.mat和Traineblemblemdetnet.mat。

部署经过定制的系列网络，根据其微型多普勒签名来检测行人和骑自行车的人。该网络是使用步骤阵列工具箱的深度学习示例摘自行人和骑自行车的分类。有关网络培训和输入数据的更多详细信息，请参见使用深度学习的行人和骑自行车的人分类。

将图像馈送到卷积神经网络，并显示网络不同层的激活。检查激活并发现网络通过将激活区域与原始图像进行比较区域而学习。较早的层中的频道学习了颜色和边缘等简单功能，而较深层中的频道学习复杂的功能。以这种方式识别功能可以帮助您了解网络学到的知识。

典型的串联分类网络包括一系列卷积层，然后是一个或多个完全连接的层。最近的研究结果表明，通过直接使用卷积层激活，而不是随后的完全连接层的卷积层激活来实现特征提取和识别的性能。

训练和部署您只看一次（YOLO）V2对象检测器。

通过部署训练有素的有向无环图（DAG）网络来对人心电图（ECG）信号进行分类。

通过可视化中间层激活结果并通过模拟网络和bitstream来验证预测准确性，并验证预测准确性，并验证预测准确性，并通过模拟网络和bitstream来验证预测准确性，从而快速原型。要模拟网络和BOTSTREAM，请创建一个DLHDL.Simulator对象。使用dlhdl.simulator对象：

部署一个定制预审预告量的系列网络，该网络检测到音频中的语音命令的存在到Xilinx™Zynq®Ultrascale+™MPSOC ZCU102评估套件中。该示例使用了使用语音命令数据集[1]训练的验证网络。要创建预处理的网络，请参见使用深度学习的语音命令识别。

部署验证的卷积神经网络（CNN），以调节分类为Xilinx™Zynq®Ultrascale+™MPSOC ZCU102评估套件。预处理的网络通过使用生成的合成，通道破裂的波形进行训练。要训​​练训练的网络，请参阅深度学习的调制分类。

创建、编译和部署dlhdl。工作流object by using the Deep Learning HDL Toolbox™ Support Package for Xilinx FPGA and SoC. The Workflow object has a custom trained human pose estimation network as the network object. The network detects and outputs poses of people present in an input image of size 256-by-192. To train the network, see Estimate Body Pose Using Deep Learning.