Используйте Deep Network Designer, чтобы сгенерировать код MATLAB, чтобы воссоздать сеть.
Используйте MATLAB Coder™ или GPU Coder™ вместе с Deep Learning Toolbox™, чтобы сгенерировать C++ или код CUDA и развернуть сверточные нейронные сети на встроенных платформах, которые используют Intel®, ARM® или процессоры NVIDIA® Tegra®.
Сгенерируйте код MATLAB от Deep Network Designer
Воссоздайте сеть, созданную или отредактированную в Deep Network Designer путем генерации кода MATLAB.
Глубокое обучение для GPU Coder (GPU Coder)
Сгенерируйте код CUDA для глубоких нейронных сетей
Генерация кода для нейронных сетей для глубокого обучения
В этом примере показано, как выполнить генерацию кода для приложения классификации изображений, которое использует глубокое обучение.
Генерация кода для сети от последовательности к последовательности LSTM
В этом примере показано, как сгенерировать код CUDA® для сети долгой краткосрочной памяти (LSTM).
Прогноз глубокого обучения на ARM Мали графический процессор
В этом примере показано, как использовать cnncodegen
функция, чтобы сгенерировать код для приложения классификации изображений, которое использует глубокое обучение на ARM® Mali графические процессоры.
Генерация кода для Обнаружения объектов при помощи YOLO v2
В этом примере показано, как сгенерировать CUDA® MEX для вы только смотрите однажды (YOLO) v2 детектор объектов.
Обнаружение маршрута, оптимизированное с GPU Coder
В этом примере показано, как сгенерировать код CUDA® от нейронной сети для глубокого обучения, представленной SeriesNetwork
объект.
Интеграция глубокого обучения для GPU Coder в Simulink
В этом примере показано, как интегрировать код CUDA®, сгенерированный для нейронной сети для глубокого обучения в Simulink®.
Прогноз глубокого обучения при помощи NVIDIA TensorRT
Этот пример показывает генерацию кода для применения глубокого обучения при помощи библиотеки NVIDIA TensorRT™.
Прогноз глубокого обучения при помощи различных пакетных размеров
Этот пример демонстрирует генерацию кода с пакетными размерами, больше, чем 1.
Обнаружение дорожного знака и распознавание
В этом примере показано, как сгенерировать код CUDA® MEX для обнаружения дорожного знака и приложения для распознавания, которое использует глубокое обучение.
Этот пример показывает генерацию кода для приложения классификации логотипов что глубокое обучение использования.
Этот пример показывает генерацию кода для пешеходного приложения обнаружения что глубокое обучение использования.
Генерация кода для глубокой нейронной сети шумоподавления
В этом примере показано, как сгенерировать CUDA® MEX из кода MATLAB® и denoise полутоновых изображений при помощи сверточной нейронной сети шумоподавления (DnCNN [1]).
Генерация кода для сети Семантической Сегментации
Этот пример показывает генерацию кода для приложения сегментации изображений что глубокое обучение использования.
Обучите и разверните полностью Сверточные сети для Семантической Сегментации
В этом примере показано, как обучить и развернуть полностью сверточную сеть семантической сегментации на графическом процессоре NVIDIA® при помощи GPU Coder™.
Генерация кода для сети Семантической Сегментации при помощи U-net
Этот пример показывает генерацию кода для приложения сегментации изображений что глубокое обучение использования.
Прогноз глубокого обучения на ARM Мали графический процессор (GPU Coder)
В этом примере показано, как использовать cnncodegen
функция, чтобы сгенерировать код для приложения классификации изображений, которое использует глубокое обучение на ARM® Mali графические процессоры.
Генерация кода для сети от последовательности к последовательности LSTM (GPU Coder)
В этом примере показано, как сгенерировать код CUDA® для сети долгой краткосрочной памяти (LSTM).
Генерация кода для глубокого обучения на целях ARM
В этом примере показано, как сгенерировать и развернуть код для прогноза на устройстве ARM®-based, не используя пакет аппаратной поддержки.
Генерация кода для глубокого обучения на Raspberry Pi
В этом примере показано, как сгенерировать и развернуть код для прогноза на Raspberry Pi™ при помощи codegen
с пакетом поддержки MATLAB для оборудования Raspberry Pi.
Прогноз Глубокого обучения с ARM Вычисляет Используя cnncodegen
В этом примере показано, как использовать cnncodegen
сгенерировать код для приложения классификации Логотипов, которое использует глубокое обучение на процессорах ARM®.
Прогноз глубокого обучения с Intel MKL-DNN
В этом примере показано, как использовать codegen
сгенерировать код для приложения классификации изображений, которое использует глубокое обучение на процессорах Intel®.
Сгенерируйте Код С++ для Обнаружения объектов Используя YOLO v2 и Intel MKL-DNN
В этом примере показано, как сгенерировать Код С++ для Обнаружения объектов Используя Глубокое обучение (Computer Vision Toolbox) YOLO v2 на процессоре Intel®.
Генерация кода и развертывание сети MobileNet-v2 к Raspberry Pi
В этом примере показано, как сгенерировать и развернуть Код С++, который использует предварительно обученную сеть MobileNet-v2 в объектном прогнозе.
Загрузите предварительно обученные сети для генерации кода (MATLAB Coder)
Создайте SeriesNetwork
или DAGNetwork
объект для генерации кода.
Глубокое обучение для MATLAB Coder (MATLAB Coder)
Сгенерируйте Код С++ для глубоких нейронных сетей (требует Deep Learning Toolbox),