딥러닝양자화

深度神经网络的量化

了解量化的效果和如何可视化网络卷积层的动态范围。

量化深度学习网络的代码生成(GPU编码器)

量化并生成预训练卷积神经网络的代码。

量化深度学习网络的代码生成(MATLAB编码器)

量化并生成预训练卷积神经网络的代码。

MATLAB코드생성

生成MATLAB代码从深网络设计者

生成MATLAB代码重新设计和训练一个网络在深网络设计者。

GPU코드생성

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

在NVIDIA GPU上使用可变自动编码器生成数字图像(GPU编码器)

这个例子展示了如何为一个训练过的变分自动编码器(VAE)网络生成CUDA®MEX。

使用YOLO v3深度学习的目标检测代码生成

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。

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。

딥러닝신경망을위한코드생성

이예제에서는딥러닝을사용하는영상분류응용사례에서코드생성을수행하는방법을보여줍니다。

序列到序列LSTM网络的代码生成

这个例子演示了如何为长短期记忆(LSTM)网络生成CUDA®代码。

基于ARM Mali GPU的深度学习预测

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。

利用小波分析和深度学习在NVIDIA Jetson上部署信号分类器

这个例子展示了如何生成和部署CUDA®可执行程序，该程序使用连续小波变换(CWT)和预训练卷积神经网络(CNN)提取的特征对人类心电图(ECG)信号进行分类。

YOLO v2意思를사용하여객체검출을위한코드생성하기

이예제에서는YOLO(你只看一次)意思v2객체검출기에대한CUDA®墨西哥人를생성하는방법을보여줍니다。

GPU编码器를사용한차선검출

이예제에서는SeriesNetwork객체로표현되는딥러닝신경망에서CUDA®코드를생성하는방법을보여줍니다。

使用NVIDIA TensorRT进行深度学习预测

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。

교통표지판검출및인식

이예제에서는딥러닝을사용하는교통표지판검출및인식응용분야를위해CUDA®墨西哥人코드를생성하는방법을보여줍니다。

로고인식신경망

이예제에서는딥러닝을사용하는로고분류응용분야를위한코드생성을보여줍니다。

잡음제거심층신경망의코드생성

이예제에서는MATLAB®코드에서CUDA®墨西哥人를생성하고잡음제거컨벌루션신경망(DnCNN[1])을사용하여회색조영상의잡음을제거하는방법을보여줍니다。

의미론적분할신경망을위한코드생성

이예제에서는딥러닝을사용하여영상을분할하는응용분야의코드를생성합니다。

训练和部署语义分割的全卷积网络

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。

基于U-net的语义分割网络的代码生成

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。

CPU코드생성

基于ARM目标的深度学习代码生成

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

基于ARM计算的深度学习预测

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。

英特尔여러배치크기에대한대상플랫폼에서의딥러닝코드생성

이예제에서는英特尔®프로세서에서딥러닝을사용하는영상분류응용프로그램의코드를codegen명령을사용하여생성하는방법을보여줍니다。

在Intel cpu上使用变分自动编码器生成数字图像(MATLAB编码器)

为训练过的VAE网络生成代码，以生成手绘数字。

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。

利用小波和深度学习在树莓派上部署信号分类器

这个例子展示了使用连续小波变换(CWT)和深度卷积神经网络(CNN)对人体心电图(ECG)信号进行分类的工作流程。

在树莓派上部署信号分割深度网络

生成一个MEX函数和一个独立的可执行文件，在Raspberry Pi™上执行波形分割。

MobileNet-v2网络在树莓派上的代码生成与部署

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。

基于U-Net的Intel cpu上语义分割应用的代码生成

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。

基于U-Net的ARM®霓虹灯目标语义分割应用代码生成

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。

树莓派上LSTM网络的代码生成

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)。

使用Intel MKL-DNN的LSTM网络的代码生成

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。

交叉编译深度学习代码的ARM霓虹灯目标

在主机上生成库或可执行代码，用于部署在ARM硬件目标上。

树莓派上量化深度学习网络的代码生成(MATLAB编码器)

为深度学习网络生成代码，以8位整数执行推理计算。

使用深度学习生成序列到序列回归的通用C/ c++代码

为训练有素的CNN生成C/ c++代码，不依赖于任何第三方库。

加载预训练网络以生成代码(MATLAB编码器)

创建一个SeriesNetwork，DAGNetwork，yolov2ObjectDetector，ssdObjectDetector,或dlnetwork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)