MATLAB编码器

MATLAB编码器

从MATLAB代码生成C和c++代码

开始:

到处运行

生成可读和可移植的ANSI C / c++源代码。免版税的部署代码。

部署算法免版税

使用任何C / c++编译器来编译和运行生成的代码在任何硬件、嵌入式硬件从桌面系统到移动设备。生成的代码是royalty-free-deploy它你的客户免费的商业应用。

生成的代码为矩阵相乘。

生成的代码为矩阵相乘。

万博1manbetx支持工具箱和功能

MATLAB编码器生成代码从一个广泛的MATLAB语言开发算法特性,设计工程师使用更大系统的组成部分。这包括超过2500个运营商和功能从MATLAB工具箱和伴侣。

部署从MATLAB c++代码

将生成的代码与面向对象c++源代码。

生成c++代码与名称空间

MATLAB编码器可以生成c++代码在一个名称空间,因此很容易与其他源代码集成可能有相同的函数或数据类型的名称。代码生成器包所有生成的功能和类型定义名称空间。

生成的代码集成变量具有相同数据类型的名称使用名称空间。

生成的代码集成变量具有相同数据类型的名称使用名称空间。

从MATLAB生成c++类的类

MATLAB编码器产生的c++类的类在MATLAB代码中,包括值类,处理类,和系统对象。生成的代码可以编译为c++库或可执行文件,可以集成到现有的c++源代码。

使用动态分配的c++数组生成的函数接口

为MATLAB生成c++代码函数接受或返回一个数组,数组大小未知在编译时,或其超出了预先定义的阈值。在生成的代码中,数组的内存动态分配和实现为一个类模板命名编码器:数组。除了异常安全的内存回收,编码器:数组提供了api来访问和管理动态数组。

通过动态分配的数组生成的功能。

通过动态分配的数组生成的功能。

部署深度学习网络和机器学习模型

生成代码从训练有素的深度学习网络和机器学习模型。

部署的端到端深学习算法

部署等多种训练的深度学习网络ResNet-50 MobileNet-v2, LSTM以及其他层深度学习工具箱™英特尔®和手臂®皮质®cpu。生成代码的预处理和后处理连同你的训练有素的深度学习网络部署完整的算法。

为深度学习推理生成优化的代码

只因为MATLAB编码器生成所需的代码运行推理与您的特定算法,代码更快,使用更少的内存比其他深度学习解决方案。万博 尤文图斯生成的代码调用优化库,包括英特尔MKL-DNN英特尔处理器计算库的胳膊和手臂皮层处理器。使用GPU编码器通过生成CUDA™加速或部署算法®运行在任何现代NVIDIA的代码®GPU。

部署的端到端机器学习模型

部署统计和机器学习模型生成C / c++代码的整个机器学习算法,包括预处理和后处理。更新部署模型的参数没有再生的C / c++代码的预测。

代码生成工作流为机器学习模型。

代码生成工作流为机器学习模型。

原型硬件

与自动转换的硬件快速算法C / c++。

在桌面和云平台原型

使用MATLAB编码器应用或等效命令行功能来快速生成代码信号处理、计算机视觉、深度学习,控制系统或其他应用程序,然后编译代码为您的硬件。

嵌入式和移动平台上的原型

目标任何设备通过手动将生成的代码与您的应用程序。自动化的过程覆盆子为覆盆子ππ使用MATLAB支持包。万博1manbetx

原型快速算法在嵌入式和移动平台。

原型快速算法在嵌入式和移动平台。

从原型到生产

使用MATLAB与嵌入式编码器编码器生成代码,利用处理器intrinsic可以执行速度比标准ANSI / ISO C / c++代码。

配置文件生成独立的代码的执行时间。

配置文件生成独立的代码的执行时间。

集成软件

重用MATLAB算法C / c++代码在您的软件环境。

生成代码与简单的接口,易于集成

生成的代码使用C / c++类型在一个自然的方式,简化与外部代码集成。您可以将生成的代码集成源代码或库。值得信赖的C / c++库或组件可以引入MATLAB的高保真测试和自动从生成的代码。

互动可跟踪性报告使用MATLAB编码器和嵌入式编码。

互动可跟踪性报告使用MATLAB编码器和嵌入式编码。

优化生成的代码的性能

应用优化调整执行速度之间权衡,内存使用,可读性和可移植性。使用分析工具来识别瓶颈。为了进一步提高性能,生成多核OpenMP代码和调用优化库如LAPACK,布拉斯特区,FFTW时可用。

生成的代码和调用OpenMP的例子。

生成的代码和调用OpenMP的例子。

再利用MATLAB测试之前生成的代码集成

重用现有的MATLAB测试,以验证互动MATLAB环境中生成的代码的行为。使用MATLAB的单元测试框架来快速开发一组丰富的回归测试,可用于验证所生成的C / c++代码。

验证与应用程序集成之前生成的代码的行为。

验证与应用程序集成之前生成的代码的行为。

加速算法

生成C / c++代码和编译里面使用MATLAB。

cpu上加速算法

你可以叫生成的代码像墨西哥人函数从MATLAB代码执行速度,虽然性能取决于MATLAB代码的本质。可以配置文件生成的墨西哥人函数来识别瓶颈和集中你的优化工作。

墨西哥人函数来确定性能瓶颈。

墨西哥人函数来确定性能瓶颈。

使用gpu加速算法

使用并行计算工具箱™加速算法在MATLAB运行。使用GPU编码器生成CUDA的加速度或部署代码运行在任何现代NVIDIA GPU。