主要内容

深入学习代码生成

生成matlab.®代码或CUDA.®和C ++代码并部署深度学习网络

使用Deep Network Designer生成MATLAB代码来构建和训练网络。

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。

功能

dlquantizer 将深度神经网络量化为8位比例整数数据类型
dlquantizationOptions. 用于量化训练有素的深神经网络的选项
校准 模拟并采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

应用程序

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

主题

深度学习量化

深神经网络的量化

了解量化的效果和如何可视化网络卷积层的动态范围。

用于量化深度学习网络的代码生成(GPU编码器)

量化并生成预训练的卷积神经网络的代码。

用于量化深度学习网络的代码生成(MATLAB编码器)

量化并生成预训练的卷积神经网络的代码。

马铃薯代码生成

从深网络设计师生成MATLAB代码

生成MATLAB代码以在深网络设计师中重新创建设计和培训网络。

GPU的代码生成

与GPU编码器深入学习(GPU编码器)

生成CUDA代码用于深度学习神经网络

执行车道和车辆检测的深度学习模拟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

使用可变自动编码器在NVIDIA GPU上生成数字图像(GPU编码器)

此示例显示如何为培训的变形式自动级别(VAE)网络生成CUDA®MEX。

基于YOLO v3深度学习的目标检测代码生成

这个例子展示了如何为一个你只看一次(YOLO) v3对象检测器生成CUDA®MEX自定义层。

用于心电信号分类的深度学习Simulink模型的代码生成万博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一起分类心电信号。

深度学习网络的代码生成

此示例显示了如何执行使用深度学习的图像分类应用程序的代码生成。

序列到序列LSTM网络的代码生成

此示例演示了如何为长短期内存(LSTM)网络生成CUDA®代码。

基于ARM Mali GPU的深度学习预测

此示例显示了如何使用cnncodegen.功能生成代码,用于在ARM®Mali gpu上使用深度学习的图像分类应用。

使用小波分析和深度学习在NVIDIA Jetson上部署信号分类器

此示例显示了如何使用连续小波变换(CWT)和普拉覆盖的卷积神经网络(CNN)提取的特征来生成和部署CUDA®可执行文件,其分类人体心电图(ECG)信号。

使用YOLO v2生成目标检测代码

此示例显示如何为您生成CUDA®MEX,只需一次看一次(YOLO)V2对象检测器。

Lane检测用GPU编码器进行了优化

这个例子展示了如何从一个深度学习网络生成CUDA®代码,表示为aSeriesNetwork目的。

使用NVIDIA Tensorrt深入学习预测

此示例显示使用NVIDIA Tensorrt™库进行深度学习应用程序的代码生成。

交通标志检测和识别

此示例显示如何为使用深度学习的流量标志检测和识别应用程序生成CUDA®MEX代码。

徽标识别网络

此示例显示了用于使用深度学习的徽标分类应用程序的代码生成。

用于去噪深神经网络的代码生成

此示例显示如何通过使用去噪卷积神经网络(DNCNN [1])来源如何从Matlab®代码生成CUDA®MEX。

语义切分网络的代码生成

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。

训练和部署用于语义分割的全卷积网络

此示例显示如何通过使用GPU编码器™在NVIDIA®GPU上培训和部署全卷积语义分段网络。

使用U-Net的语义分段网络代码生成

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。

CPU代码生成

武器目标深度学习的代码

本示例展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

使用Codegen与ARM计算的深度学习预测

此示例显示了如何使用codegen生成用于在ARM®处理器上使用深度学习的徽标分类应用程序的代码。

针对不同批处理规模的英特尔目标的深度学习代码生成

此示例显示了如何使用codegen命令为在英特尔®处理器上使用深度学习的图像分类应用程序生成代码。

使用Intel CPU上的变变AualEncoder生成位数图像(MATLAB编码器)

为培训的VAE DLNetwork生成代码以生成手绘数字。

使用YOLO v2和Intel MKL-DNN生成对象检测c++代码

此示例显示如何在英特尔®处理器上生成Yolo V2对象检测网络的C ++代码。

使用小波部署信号分类器和Raspberry PI上的深度学习

该示例显示了使用连续小波变换(CWT)和深卷积神经网络(CNN)对人心电图(ECG)信号进行分类的工作流程。

在覆盆子PI上部署信号分割深网络

生成一个MEX函数和一个独立的可执行文件来执行波形分割的树莓派™。

MobileNet-v2网络的代码生成和部署到树莓派

此示例显示了如何生成和部署使用MobiLenet-V2备用网络进行对象预测的C ++代码。

使用U-Net的英特尔CPU上的语义分段应用程序的代码生成

通过在英特尔CPU上使用深度学习网络U-Net来生成MEX函数,该函数执行图像分割。

用于使用U-Net的ARM®霓虹灯目标的语义分段应用程序的代码生成

通过在ARM目标上使用深度学习网络U-Net来生成执行图像分割的静态库。

树莓派上LSTM网络的代码生成

为预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

为预训练的LSTM网络生成代码,该网络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,以便在ARM硬件目标上部署。

覆盆子PI上量化深层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。

生成使用深度学习的序列到序列回归的通用C / C ++代码

为一个训练有素的CNN生成C/ c++代码,不依赖于任何第三方库。

加载代码生成的预磨损网络(MATLAB编码器)

创建一个SeriesNetworkDAGNetworkyolov2ObjectDetectorssdObjectDetector,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(需要深入学习工具箱)

特色的例子