深入学习是机器学习的分支,教导计算机做自然对人类的事物: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,而不依赖于预定的方程作为模型。深度学习使用卷积神经网络(CNNS)直接从图像中学习数据的有用表示。
您可以使用MATLAB®编码员™用深度学习工具箱从一个经过培训的美国有线电视新闻网生成C++代码。您可以将生成的代码部署到使用Intel®或手臂®加工机您也可以从不受任何第三方库的训练美国有线电视新闻网生成通用C或C++代码。
深入学习MATLAB编码器不支持万博1manbetxMATLAB在线™.
编码基因 |
生成C / C ++代码MATLAB代码 |
coder.loadDeepLearningNetwork |
加载深度学习网络模型 |
coder.deeplearningconfig |
创建深度学习代码生成配置对象 |
ARMNEONConfig编码器 |
用于配置深度学习代码生成的参数臂计算库 |
coder.MklDNNConfig |
用于配置深度学习代码生成的参数英特尔深层神经网络的数学核库 |
Coder.getDeePlearninglayers. |
获取支持特定深度学习库的代码生成的图层列表万博1manbetx |
为深度学习网络安s manbetx 845装产品并配置代码生成环境。
从预训练网络生成预测代码。
选择支持目标处理器的卷积神经网络。万博1manbetx
在用于代码生成的MATLAB代码中使用深度学习数组。
遵守深度学习阵列的代码生成限制。
创建一个系列网络
,达格网络
,Yolov2物体检测器
,SSD探测器
或数据链路网络
对象来生成代码。
从不依赖任何第三方库的深度学习网络生成用于预测的C/C++代码。
生成C ++代码,用于从深度学习网络预测,针对英特尔CPU。
生成用于深度预测网络的预测的C++代码,针对ARM处理器。
在主机上生成库或可执行代码,以便在ARM硬件目标上部署。
对预训练卷积神经网络进行量化并生成代码。
开始使用深度学习工具箱(深度学习工具箱)
与GPU编码器深入学习(GPU编码器)