主要内容
深度学习与MATLAB编码器
为深度学习神经网络生成c++代码(需要深度学习工具箱™)
深度学习是机器学习的一个分支，它教计算机做人类自然而然会做的事情:从经验中学习。学习算法使用计算方法直接从数据中“学习”信息，而不依赖于一个预先确定的方程作为模型。深度学习使用卷积神经网络(CNNs)直接从图像中学习有用的数据表示。
您可以使用MATLAB®编码器™使用深度学习工具箱生成经过训练的CNN的c++代码。您可以将生成的代码部署到使用Intel的嵌入式平台上®或手臂®处理器。您还可以从一个不依赖于任何第三方库的训练有素的CNN生成通用的C或c++代码。
深度学习与MATLAB编码器不支持万博1manbetxMATLAB在线™．
功能
codegen |
生成C/ c++代码MATLAB代码 |
coder.loadDeepLearningNetwork |
负载深度学习网络模型 |
编码器。DeepLearningConfig |
创建深度学习代码生成配置对象 |
编码器。手臂NEONConfig |
参数配置与深度学习代码生成手臂计算库 |
编码器。MklDNNConfig |
参数配置与深度学习代码生成英特尔深度神经网络的数学内核库 |
coder.getDeepLearningLayers |
获取特定深度学习库的代码生成所支持的层列表万博1manbetx |
主题
为深度学习网络的s manbetx 845代码生成安装产品和配置环境。
从预先训练的网络生成预测代码。
选择目标处理器支持的卷积神经网络。万博1manbetx
在MATLAB代码中使用深度学习阵列，用于代码生成。
坚持深度学习数组的代码生成限制。
创建一个SeriesNetwork，DAGNetwork，yolov2ObjectDetector，ssdObjectDetector,或dlnetwork对象，用于生成代码。
从深度学习网络生成C/ c++代码用于预测，不依赖于任何第三方库。
生成c++代码，从一个深度学习网络的预测，目标是一个英特尔CPU。
从一个深度学习网络生成预测c++代码，以ARM处理器为目标。
在主机上生成用于部署ARM硬件目标的库或可执行代码。
量化并生成预训练的卷积神经网络的代码。
相关信息
开始使用深度学习工具箱(深度学习工具箱)
深度学习与GPU编码器(GPU编码器)
特色的例子
你也可以从以下列表中选择一个网站:
