工作流

在一个典型的卷积神经网络(CNN)工作流,开始构建一个CNN架构使用深度学习工具箱™,和培训网络与并行计算工具箱™。或者,您可以导入事先已经在一个庞大的数据集上训练,学会转移的特性。转移学习意味着在CNN训练了一组分类问题和再培训一组不同的类进行分类。这是CNN的最后几层再次了解。再次,并行计算工具箱用于学习阶段。你也可以导入一个训练有素的CNN网络从其他框架如咖啡或MatConvNet成SeriesNetwork对象。

一旦你获得训练网络,你可以使用GPU编码器生成c++或CUDA™^®代码和部署使用NVIDIA的CNN在多个嵌入式平台^®或手臂^®GPU处理器。生成的代码实现了CNN使用体系结构中,各层和参数中指定的输入SeriesNetwork(深度学习工具箱)或DAGNetwork(深度学习工具箱)对象。

代码生成器利用NVIDIA CUDA深层神经网络库(cuDNN),英伟达TensorRT™高性能推理库NVIDIA gpu和手臂计算库计算机视觉和机器学习的手臂马里gpu。

生成的代码可以集成到你的项目源代码,静态或动态库,或可执行文件,您可以部署到各种NVIDIA和手臂马里GPU平台。对手臂马里GPU执行深度学习目标,你在开发计算机主机生成代码。然后,构建和运行可执行程序生成的代码移动到目标平台。

另请参阅

功能

• coder.getDeepLearningLayers|codegen|coder.DeepLearningConfig

对象

• coder.gpuConfig|coder.CodeConfig|coder.EmbeddedCodeConfig|coder.gpuEnvConfig|coder.CuDNNConfig|coder.TensorRTConfig

相关的话题

• Pretrained深层神经网络(深度学习工具箱)
• 学习开始转移(深度学习工具箱)
• 创建简单的深度学习神经网络分类(深度学习工具箱)
• 万博1manbetx支持网络层,和类
• 负载Pretrained网络代码生成
• 通过使用cuDNN代码生成深度学习网络
• 通过使用TensorRT代码生成深度学习网络
• 代码生成深度学习网络针对手臂马里gpu