深度学习是机器学习的一个分支,它教计算机做人类天生的事情:从经验中学习。学习算法使用计算方法直接从数据中“学习”信息,而不依赖于预先确定的方程作为模型。深度学习使用卷积神经网络(CNNs)直接从图像中学习数据的有用表示。神经网络结合了多个非线性处理层,使用简单的并行操作元素,并受到生物神经系统的启发。深度学习模型通过使用一组包含许多层(通常包括一些卷积层)的标记数据和神经网络结构来训练。
您可以使用GPU编码器™与深度学习工具箱™串联来生成代码,并在使用NVIDIA多个嵌入式平台上部署CNN®或手臂®GPU处理器。深度学习工具箱提供简单的MATLAB®用于创建和互连深层神经网络层的命令。预训练网络和示例(如图像识别和驾驶员辅助应用程序)的可用性使您能够使用GPU编码器进行深度学习,而无需神经网络、深度学习或高级计算机视觉算法方面的专家知识。
代码生成 |
生成C/C++代码MATLAB软件代码 |
cnncodegen公司 |
为系列或DAG网络生成代码并构建静态库 |
coder.loadDeepLearningNetwork |
负载深度学习网络模型 |
coder.DeepLearningConfig代码 |
创建深度学习代码生成配置对象 |
编码器.getDeepLearningLayers |
为特定深度学习lib库获得卷积神经网络层万博1manbetx |
编码器.cudnncfig |
参数来配置深度学习代码生成与CUDA深层神经网络库 |
编码器.TensorRTConfig |
参数来配置深度学习代码生成与英伟达TensorRT图书馆 |
编码器.gpuConfig |
的配置参数CUDA从代码生成MATLAB软件使用代码GPU编码器 |
coder.gpuEnvConfig |
创建包含传递给的参数的配置对象编码器.checkpuinstal 用于执行GPU代码生成环境检查 |
用MATLAB编程实现深度学习(MATLAB编码器)