使用Deep Network Designer生成MATLAB代码来构造和训练一个网络。
使用MATLAB编码器™或GPU编码器™与深度学习工具箱™一起生成C ++或CUDA代码,并在使用英特尔的嵌入式平台上部署卷积神经网络®、手臂®,或英伟达®Tegra®处理器。
dlquantizer |
将深度神经网络量化为8位缩放整数数据类型 |
dlquantizationOptions. |
用于量化训练有素的深神经网络的选项 |
校准 |
模拟和收集深度神经网络的范围 |
验证 |
量化和验证一个深度神经网络 |
深层网络量化器 | 将深度神经网络量化为8位缩放整数数据类型 |
与GPU编码器深入学习(GPU编码器)
生成CUDA代码的深度学习神经网络
执行车道和车辆检测的深度学习模拟模型的代码生成万博1manbetx(GPU编码器)
这个例子展示了如何使用卷积神经网络(CNN)从Simulink模型中开发一个CUDA®应用程序来执行车道和车辆检测。万博1manbetx
用于心电信号分类的深度学习Simulink模型的代码生成万博1manbetx(GPU编码器)
这个例子演示了如何使用强大的信号处理技术和卷积神经网络来对心电信号进行分类。
这个示例展示了如何为使用深度学习的图像分类应用程序执行代码生成。
此示例演示了如何为长短期内存(LSTM)网络生成CUDA®代码。
此示例显示了如何使用cnncodegen.
函数为使用ARM®Mali gpu进行深度学习的图像分类应用程序生成代码。
此示例显示如何为您生成CUDA®MEX,只需一次看一次(YOLO)V2对象检测器。
这个例子展示了如何使用自定义层为你只看一次(YOLO) v3对象检测器生成CUDA®MEX。
这个例子展示了如何从一个深度学习网络生成CUDA®代码SeriesNetwork
目的。
此示例显示使用NVIDIA Tensorrt™库进行深度学习应用程序的代码生成。
此示例显示如何为使用深度学习的流量标志检测和识别应用程序生成CUDA®MEX代码。
此示例显示了用于使用深度学习的徽标分类应用程序的代码生成。
这个例子展示了使用深度学习的行人检测应用程序的代码生成。
此示例显示如何通过使用去噪卷积神经网络(DNCNN [1])来源如何从Matlab®代码生成CUDA®MEX。
这个例子展示了使用深度学习的图像分割应用程序的代码生成。
此示例显示如何通过使用GPU编码器™在NVIDIA®GPU上培训和部署全卷积语义分段网络。
这个例子展示了使用深度学习的图像分割应用程序的代码生成。
这个例子展示了如何在不使用硬件支持包的情况下在基于ARM的设备上生成和部署预测代码。万博1manbetx
此示例显示了如何使用codegen
生成用于在ARM®处理器上使用深度学习的徽标分类应用程序的代码。
此示例显示了如何使用codegen
命令为在英特尔®处理器上使用深度学习的图像分类应用程序生成代码。
使用YOLO v2和Intel MKL-DNN生成用于对象检测的c++代码
此示例显示如何在英特尔®处理器上生成Yolo V2对象检测网络的C ++代码。
此示例显示了如何生成和部署使用MobiLenet-V2备用网络进行对象预测的C ++代码。
使用英特尔cpu上的深度学习网络U-Net生成一个MEX函数来执行图像分割。
通过在ARM目标上使用深度学习网络U-Net来生成执行图像分割的静态库。
为预训练的长短期内存网络生成代码,以预测机器的剩余有用寿命(RUI)。
为预训练的LSTM网络生成代码,该网络对输入timeseries的每一步进行预测。
在主机上生成库或可执行代码,以便在ARM硬件目标上部署。
加载预先训练好的网络来生成代码(MATLAB编码器)
创建一个SeriesNetwork
,DAGNetwork
,yolov2ObjectDetector
,或ssdObjectDetector
对象用于代码生成。
深度学习与MATLAB编码器(MATLAB编码器)
为深度学习神经网络生成C ++代码(需要深入学习工具箱)