深度学习与GPU编码器
生成CUDA®深度学习神经网络代码
深度学习是机器学习的一个分支,教计算机做什么是自然对人类:从经验中学习。学习算法使用计算方法来“学习”信息直接从数据模型不依赖一个预先确定的方程。深度学习使用卷积神经网络(cnn)学习有用的数据直接从图像表示。神经网络结合多个非线性处理层,使用简单的元素和灵感来自生物神经系统并行操作。深度学习模型训练通过使用大量的标记数据和神经网络架构,包含很多层,通常包括一些回旋的层。
您可以使用GPU编码器™与深度学习工具箱™来生成代码和部署使用NVIDIA的CNN在多个嵌入式平台®或手臂®GPU处理器。深入学习MATLAB工具箱提供了简单®命令用于创建和连接的层深的神经网络。pretrained网络的可用性和图像识别等例子和驾驶员辅助应用程序使您能够使用GPU编码器进行深度学习,没有神经网络专家知识,深入学习,或者先进的计算机视觉算法。
应用程序
功能
对象
模型设置
主题
MATLAB
- 负载Pretrained网络代码生成
创建一个SeriesNetwork
,DAGNetwork
,yolov2ObjectDetector
,ssdObjectDetector
,或dlnetwork
对象代码生成。 - 通过使用cuDNN代码生成深度学习网络
生成代码pretrained卷积神经网络通过使用cuDNN库。 - 通过使用TensorRT代码生成深度学习网络
生成代码pretrained卷积神经网络通过使用TensorRT库。 - 代码生成深度学习网络针对手臂马里gpu
生成c++代码从深入学习网络预测针对手臂马里GPU处理器。 - 分析性能的代码生成的深度学习网络
分析和优化性能CUDA代码生成的深度学习网络。 - 代码生成后更新网络参数
执行post代码生成更新深度学习网络参数。 - 在深入学习数据布局的考虑
基本数据布局考虑编写例子主要功能。 - 量子化的神经网络
理解影响的量化和卷积如何可视化动态范围的网络层。 - 生成INT8代码深入学习网络
数字转换和生成代码pretrained卷积神经网络。 - 车道检测和GPU编码器优化
开发一个深度学习车道检测应用程序运行在NVIDIA gpu。 - 交通标志检测与识别
生成CUDA墨西哥人的交通标志检测与识别应用程序,使用深度学习。 - 标志识别网络
生成的代码和一个输入图像为32商标类别进行分类。 - 代码生成的语义分割使用U-net网络
生成CUDA代码U-Net深入学习网络的图像分割。 - 代码生成的语义分割网络
代码生成的SegNet
图像分割网络。 - 代码生成神经网络去噪深
从MATLAB代码和生成CUDA墨西哥人降噪灰度图像进行去噪卷积神经网络。
万博1manbetx
- GPU代码生成深度学习网络使用MATLAB函数块
深度学习模型的模拟和生成代码中使用MATLAB仿真软件的功能模块。万博1manbetx - 块的GPU代码生成深层神经网络库
深度学习模型在仿真软件模拟和生成代码块使用图书馆。万博1manbetx - 针对英伟达嵌板
构建和部署NVIDIA GPU董事会。