大家好，我是Ram Cherukuri, MathWorks的产品经理，欢迎来到树莓派上的另一个深度学习版本，这次将它用于使用squeezenet进行图像分类。
在本视频中，我希望向您展示如何轻松地使用MATLAB中的实时I/O测试并验证MATLAB算法，在将其部署为独立应用程序之前，使用处理器在循环模拟在目标树莓派上测试它，而不需要用C或c++编写任何额外的代码。
我决定选择图像分类作为机器学习和深度学习应用的一个例子，原因有几个:
- 在从视频监控到自动驾驶等许多应用中，这是最基本的视频和图像处理任务之一。
- 而且它与嵌入式部署非常相关，这意味着它应该在目标处理器上实时工作。
你可以在mathworks.com上查阅更多关于MATLAB中的机器学习和深度学习的资源。
说到嵌入式处理器，我选择树莓派的另一个原因不是因为它有趣和容易上手。它基于Arm Cortex A，类似于市面上大多数基于视觉的处理器。
MATLAB Coder使您能够生成代码并将应用程序部署到任何支持Neon指令的基于Arm Cortex A的处理器。万博1manbetx
你可以获得最佳的性能，因为生成的代码调用Arm的计算库，它提供了针对Arm的CPU和GPU平台优化的低级函数。
请参考以下连结，以了解更多有关计算库的资料。
在之前的视频中，我们通过行人检测等示例介绍了部署方面，在本视频中，我们将重点介绍硬件在环测试和验证。
下面是我们的MATLAB算法，它接收一个输入图像，做一些调整大小作为预处理步骤，使用训练好的挤压网进行推理，然后进行后处理来识别和显示前五种分类。
下面是我的测试脚本，我将使用它来运行示例。
让我们首先运行这段代码，看看算法在MATLAB中对输入图像做了什么。你可以看到它给了我们输入图像中事物的前五种分类。
现在，我想用一些实时数据来测试和验证我的算法。在这里，我设置了一个连接到树莓派的连接，我可以使用连接到它的网络摄像头来获得来自摄像头的实时反馈，并在MATLAB中运行推理——非常简单。
请注意下载免费的树莓派支持包来尝试一下。万博1manbetx
此外，如果你有MATLAB Coder，你也可以生成代码并将其部署到树莓派上。
我们用处理器在循环中验证生成的代码如何，这样我们就可以使用MATLAB作为我们的测试平台，将输入传递给目标上的应用程序，并将结果返回MATLAB进行比较?
一旦代码生成完成，我们就可以得到这个MEX文件，我可以使用它在树莓派上运行应用程序。使用相同的测试输入，我们在树莓派上运行图像分类，并得到分类结果。您可以通过比较输出等方式进行更详细的验证，但您已经了解了重点。
在整个示例中，我们不需要编写任何C或c++代码。但是，如果你喜欢使用任何自定义库(如OpenCV)，你总是可以手动集成生成的代码，并编写一个自定义主文件来编译成一个更大的应用程序。
请参考下面的链接，亲自尝试这个例子，并下载必要的支持包。万博1manbetx
