Ram Cherukuri MathWorks
了解如何使用NVIDIA的GPU编码器硬件支持包万博1manbetx®gpu原型,验证,并部署您的深度学习模型和算法在MATLAB®NVIDIA Drive和Jetson平台上的嵌入式视觉、自动驾驶应用。您可以在MATLAB中使用连接到NVIDIA Drive或Jetson平台的传感器的实时数据来原型和验证算法。您还可以在MATLAB中使用验证数据运行硬件在环测试。最后,您可以交叉编译并将应用程序部署到NVIDIA gpu上。
GPU编码器生成可移植和优化的CUDA代码,为您的完整,在MATLAB中的深度学习算法,其中包括预处理和后处理应用逻辑以及训练的神经网络。
使用NVIDIA GPU使用的GPU编码器硬件支持包,您可万博1manbetx以构建和部署您的算法直接从MATLAB到NVIDIA GPU,建议NVIDIA驱动和Jetson平台直接从MATLAB。
这里我们有语义分割算法部署在一个驱动器PX2。类似地,在Jetson Xavier上,我们运行了语义分割应用程序。
一旦你在MATLAB中构建了你的深度学习算法,硬件支持包让我们使用来自硬件的实时数据原型你的算法。万博1manbetx在部署到目标之前,您可以在工作站上测试算法的健壮性。
例如,我们在MATLAB中有一个围绕训练过的VGG网络构建的深度学习算法,这里以语义分割为例。它在我的测试图像输入上工作得很好。
现在,使用支持包提供的这些api,我可以连接到NVIDIA驱动板,从连接到板的摄像头传感器读取万博1manbetx输入,并在MATLAB中运行推理。在我们的一个实验室里有一个干燥的PX2,我们把相机对准窗外,俯瞰着新英格兰的一些树叶。
你可以看到算法在实时数据上是有效的。有一些工件,比如云和构造,它们不是训练数据的一部分。因此,我可以迭代和更新算法,以提高其鲁棒性。
下一步是使用这里所示的代码生成api从算法生成代码。您可以使用这些api在Windows或Linux机器上构建和部署您的应用程序到目标GPU。生成的代码包括摄像头的接口和驱动器上的显示器。
下面是根据生成的代码编译的语义分割应用程序,我们可以在驱动器PX2上作为独立的应用程序启动它。遵循类似的工作流程,只改变了几个选项,我们也在Jetson Xavier的面板上部署了相同的算法。
要了解更多信息,请参考下面的GPU编码器资源链接,你可以从附加组件库下载支持包来尝试这个示例。万博1manbetx
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。