比尔·索,数学工作
万博1manbetx®是设计复杂系统的可信工具,包括决策逻辑和控制器,传感器融合,车辆动态和3D可视化组件。
截至2020年的版本,您可以将深度学习网络合并到Simulink模型中以执行系统级仿真和部署。万博1manbetx
了解如何使用基于Yolo V2在NVIDIA上的Yolo V2的深度学习网络运行车道和车辆检测器的模拟万博1manbetx®GPU。Simu万博1manbetxlink模型包括预处理和后处理组件,其执行诸如调整传入视频,检测坐标和绘制围绕检测到的车辆的绘制边界框的操作。使用相同的Simulink模万博1manbetx型,您可以使用CUDNN或TensorR生成优化的CUDA代码,以目标GPU,例如NVIDIA TESLA®和nvidia jetson.®平台。
万博1manbetxSimulink是一种可信制的工具,用于设计包含决策逻辑的复杂系统,以及控制器,传感器融合,车辆动力学和3D可视化组件。截至2020年的版本,您可以将深度学习网络合并到Simulink模型中以执行系统级仿真和部署。万博1manbetx如果我们在车辆和车道检测子系统内部看,我们将在顶部和底部看到使用两个深度学习网络。我们的输入视频将进入,然后我们会做一些预处理来调整图像大小,然后我们将进入我们的车道检测网络。
在这里,您可以看到这是由Matlab目录的数学文件带入的。我们将进行一些后处理以检测左侧右侧车道的坐标,最后我们将执行一些注释以突出车辆和车道。底部深度学习网络正在检测车辆,它基于YOLOV2。又一次,您可以看到在我们的目录上被加载到遥控器中。所以回来,我们可以运行模拟。您在左侧看到我们的输入视频,以及我们在右侧的输出视频,我们将突出显示左侧和右侧的绿色标记。然后我们正在驾驶我们所看到的车辆周围的框架。所以此时,我们已准备好继续并生成代码,以便我们可以启动Simulink编码器或嵌入式代码包装。万博1manbetx
让我们先看看代码生成设置。在这里,您将看到我们使用正确的系统目标文件,我们已经检查了此处的复选框以生成CUDA代码。我们也可以看看深度学习图书馆。在这种情况下,我们可以选择CUDNN或TENSORR,所以我们现在将保持CUDNN。而对于Toolchain设置,我们正在使用Nvidia的CUDA Toolkit。最后,对于非深度学习零件,我们正在使用Cublas,Cusolver和Cufft等优化的库。
所以我们都设置了,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。让我们先寻找阶段功能。在这里,您可以看到Cudamalloc调用,该调用是在GPU内存上分配变量的调用。在这里,我们有CudamEmcpy,它正在将数据从CPU存储器复制到GPU内存并在正确的位置回来。在这里,是一对正在推出的GPU内核,以便在GPU核心上加速。我们也有两个深入学习网络。这是我们的第一个,Lanenet。您可以在此处查看所有公共和私人方法。在这里,除了几个其他之外,我们还有设置,预测,清理。
这是我们的第二个深入学习网络,这是使用yolov2的车辆探测器。而且,我们有相同的方法。如果我们查看设置方法的内部,可以看到程序开头运行的代码,以将深度学习网络加载到内存中。因此,如果您在这里看,我们一次经历一层,我们正在加载权重和偏见。因此,快速查看从使用深度学习网络的Simulink模型生成CUDA代码。万博1manbetx有关更多信息,请查看下面的链接。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
本网站使用cookie来改善您的用户体验,个性化内容和广告,并分析网站流量。通过继续使用本网站,您同意我们使用cookie。请看我们隐私政策要了解有关cookie的更多信息以及如何更改设置。