比尔•周MathWorks
万博1manbetx®是设计复杂系统的可靠工具,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
学习如何在NVIDIA的Simulink中使用基于YOLO v2的深度学习网络运行车道和车辆检测器的仿真万博1manbetx®gpu。Simu万博1manbetxlink模型包括预处理和后处理组件,它们执行诸如调整传入视频的大小、检测坐标以及在检测到的车辆周围绘制边界框等操作。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,以针对NVIDIA Tesla等gpu®和英伟达杰森®平台。
万博1manbetxSimulink是设计复杂系统的可靠工具,包括决策逻辑、控制器、传感器融合、车辆动力学和3D可视化组件。从2020b版本开始,您可以将深度学习网络合并到您的Simulink模型中,以执行系统级仿真和部署。万博1manbetx如果我们看看车辆和车道检测子系统的内部,我们会看到顶部和底部使用了两个深度学习网络。我们将输入视频,然后我们将做一些预处理来调整图像的大小,然后我们将其输入车道检测网络。
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度学习网络,这是使用YOLOv2的车辆检测器。同样,我们有相同的方法集。如果我们看一下设置方法的内部,你可以看到在程序开始时运行一次的代码来将深度学习网络加载到内存中。所以如果你看这里,我们一次只看一层,我们在看的过程中加载了权重和偏差。这就是从使用深度学习网络的Simulink模型中生成CUDA代码的快速一瞥。万博1manbetx要了解更多信息,请看下面的链接。
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。