比尔·周(Bill Chou),数学
万博1manbetx®是一个可信赖的工具,用于设计复杂系统,包括决策逻辑和控制器,传感器融合,车辆动力学和3D可视化组件。
截至2020b发行版,您可以将深度学习网络纳入Simulink模型中,以执行系统级的仿真和部署。万博1manbetx
了解如何使用基于Yolo V2的Simulink在NVIDIA上的YOLO V2进行对车道和车辆探测器的模拟万博1manbetx®GPU。Simu万博1manbetxlink模型包括执行操作的预处理和后处理组件,例如调整传入视频,检测坐标以及围绕检测到的车辆绘制边界框。使用相同的Simulink模万博1manbetx型,您可以使用CUDNN或TENSORRT生成优化的CUDA代码,例如NVIDIA TESLA®和Nvidia Jetson®平台。
万博1manbetxSimulink是一种可信赖的工具,用于设计包括决策逻辑以及控制器,传感器融合,车辆动力学和3D可视化组件的复杂系统。截至2020b发行版,您可以将深度学习网络纳入Simulink模型中,以执行系统级的仿真和部署。万博1manbetx如果我们在车辆和车道检测子系统内看到,我们将看到顶部和底部的两个深度学习网络的使用。我们的输入视频将进入,然后我们将进行一些预处理以调整图像大小,然后将其输入到车道检测网络中。
在这里,您可以看到MATLAB目录的数学文件将其引入。我们将进行一些后处理以检测左号右车道的坐标,最后我们进行一些注释以突出车辆和车道。底部的深度学习网络正在检测车辆,它基于Yolov2。同样,您可以看到这是从我们目录上的垫子文件中加载的。所以回来,我们可以运行模拟。您可以在左侧看到我们的输入视频,并在右侧看到我们的输出视频,我们在其中突出显示带有绿色标记的左右车道。然后,我们在我们看到的车辆周围驾驶黄色边界。因此,在这一点上,我们准备继续生成代码,以便我们可以启动Simulink编码器或嵌入式代码包装。万博1manbetx
让我们先看一下代码生成设置。在这里,您会看到我们正在使用正确的系统目标文件,并且我们已在此处检查了复选框以生成CUDA代码。我们还可以看一下深度学习库。在这种情况下,我们可以选择Cudnn或Tensorrt,因此我们现在保持Cudnn。对于工具链设置,我们使用了NVIDIA的CUDA工具包。最后,对于非深度学习零件,我们使用了优化的库,例如Cublas,Cusolver和Cufft。
因此,我们都设定了,让我们继续生成代码。这是代码生成报告,您可以看到左侧生成的文件。让我们首先查找步骤功能。在这里,您可以看到Cudamalloc调用,该调用是在GPU内存上分配变量。在这里,我们有Cudamemcpy的,它将数据从CPU存储器复制到GPU内存,然后返回正确的位置。在这里,为了加快GPU内核的速度,启动了几个GPU内核。我们也有两个深度学习网络。这是我们的第一个Lanenet。您可以在这里看到所有公共和私人方法。在这里,除其他几个人外,我们还设置了设置,预测,清理。
这是我们的第二个深度学习网络,是使用Yolov2的车辆探测器。同样,我们有相同的方法。如果我们查看设置方法的内部,您可以看到在程序开头运行一次的代码,以将深度学习网络加载到内存中。因此,如果您在这里看,我们一次要经过一层,并且我们在经历时会加载权重和偏见。因此,这是一个快速的观察,从使用深度学习网络的Simulink模型中生成CUDA代码。万博1manbetx有关更多信息,请查看以下链接。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。