使用Deep Network Designer生成MATLAB代码来构建和训练网络。
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位比例整数数据类型 |
dlquantizationOptions |
量化训练的深度神经网络的选项 |
校准 |
模拟和收集深度神经网络的范围 |
验证 |
对深度神经网络进行量化和验证 |
深层网络量化器 | 将深度神经网络量化为8位比例整数数据类型 |
基于GPU编码器的深度学习(GPU编码器)
为深度学习神经网络生成CUDA代码
执行车道和车辆检测的深度学习Simulink模型的代码生成万博1manbetx(GPU编码器)
这个例子展示了如何从Simulink®模型开发CUDA®应用程序,使用卷积神经网络(CNN)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。
这个示例演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。
这个例子演示了如何为长短期记忆(LSTM)网络生成CUDA®代码。
这个例子展示了如何使用cnncodegen
函数用于在ARM®Mali gpu上使用深度学习的图像分类应用程序生成代码。
这个例子展示了如何为一个你只看一次(YOLO) v2对象检测器生成CUDA®MEX。
这个例子展示了如何生成CUDA®MEX一个你只看一次(YOLO) v3对象检测器与自定义层。
这个例子展示了如何从一个深度学习网络生成CUDA®代码,用a表示SeriesNetwork
对象。
这个例子展示了使用NVIDIA TensorRT™库生成深度学习应用程序的代码。
这个例子展示了如何为一个使用深度学习的交通标志检测和识别应用程序生成CUDA®MEX代码。
这个例子展示了一个使用深度学习的标识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。
这个例子演示了如何从MATLAB®代码生成CUDA®MEX,并使用去噪卷积神经网络(DnCNN[1])去噪灰度图像。
这个例子展示了一个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使用GPU Coder™在NVIDIA®GPU上训练和部署一个完全卷积的语义分割网络。
这个例子展示了一个使用深度学习的图像分割应用程序的代码生成。
这个示例演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
这个例子展示了如何使用codegen
为ARM®处理器上使用深度学习的Logo分类应用程序生成代码。
这个例子展示了如何使用codegen
命令生成在Intel®处理器上使用深度学习的图像分类应用程序的代码。
生成c++代码的对象检测使用YOLO v2和英特尔MKL-DNN
这个例子展示了如何在Intel®处理器上为YOLO v2对象检测网络生成c++代码。
这个例子展示了如何生成和部署使用MobileNet-v2预训练网络进行对象预测的c++代码。
生成一个MEX函数,利用Intel cpu上的深度学习网络U-Net进行图像分割。
生成一个静态库,利用深度学习网络U-Net对ARM目标进行图像分割。
为预先训练的长短期记忆网络生成代码,以预测机器的剩余使用寿命(RUI)。
为预先训练的LSTM网络生成代码,对输入时间序列的每一步进行预测。
在主机上生成库或可执行代码,用于部署在ARM硬件目标上。
加载预训练网络以生成代码(MATLAB编码器)
创建一个SeriesNetwork
,DAGNetwork
,yolov2ObjectDetector
,或ssdObjectDetector
对象,用于生成代码。
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(需要深度学习工具箱)