Ram Cherukuri,Mathworks
了解如何使用GPU编码器硬件支持包为NVIDIA万博1manbetx®GPU在Matlab中的原型,验证和部署您的深度学习模型和算法®对于嵌入式愿景,在NVIDIA GPU上的自主驾驶应用,如NVIDIA驱动器和Jetson平台。您可以使用连接到Matlab中的NVIDIA Drive或Jetson平台的传感器的实时数据来验证算法并验证算法。您还可以使用Matlab中的验证数据运行硬件循环测试。最后,您可以交叉编译并将应用程序部署到NVIDIA GPU。
GPU编码器为Matlab中的完整,深学习算法生成便携式和优化的CUDA代码,其包括预处理和后处理应用程序逻辑以及培训的神经网络。
使用NVIDIA GPU使用的GPU编码器硬件支持包,你可万博1manbetx以直接从MATLAB构建和部署你的算法到NVIDIA GPU,建议从MATLAB直接构建NVIDIA驱动器和Jetson平台。
在这里,我们在驱动器PX2上部署了角色分割算法。同样地,在Jetson Xavier上,我们拥有语义分段应用程序运行。
一旦您在MATLAB中构建了深度学习算法,硬件支持包会允许我们使用来自硬件的实时数据对算法进行原型。万博1manbetx您可以在部署到目标之前在工作站上测试算法的稳健性。
例如,我们在Matlab中有一个围绕训练的VGG网络内置的深度学习算法。它适用于我的测试图像输入。
现在,使用支持包提供的这些api,我可以连接到NVIDIA驱动板,从连接到板上的摄像机传感器读万博1manbetx取输入,并在MATLAB中运行推理。我们在这里的一个实验室里有一个干燥的PX2,我们有一个指向窗外的相机可以俯瞰新英格兰的一些树叶。
您可以看到该算法适用于实时数据。有一些工件,如云和施工,这不是训练数据的一部分。所以我可以迭代并更新算法以提高其鲁棒性。
下一步是使用COD生成API从算法生成代码,如此所示。您可以使用这些API在Windows或Linux计算机上构建和部署到目标GPU的应用程序。生成的代码包括对相机的接口和驱动器上的显示。
以下是从生成的代码编译的语义分段应用程序,我们可以在驱动器px2上作为独立应用程序启动。在类似的工作流程和更改几个选项之后,我们还在Jetson Xavier板上部署了相同的算法,如前所述。
要了解更多信息,请参阅下面的GPU编码器资源链接,您可以通过从附加库下载支持包来尝试此示例。万博1manbetx
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。