Глубокое обучение для MATLAB Coder

Сгенерируйте Код С++ для глубоких нейронных сетей (требует Deep Learning Toolbox™),

Глубокое обучение является ветвью машинного обучения, которое учит компьютеры делать то, что прибывает естественно к людям: учитесь на опыте. Алгоритмы обучения используют вычислительные методы, чтобы “узнать” об информации непосредственно из данных, не используя предопределенное уравнение как модель. Глубокое обучение использует сверточные нейронные сети (CNNs), чтобы изучить полезные представления данных непосредственно из изображений.

Можно использовать MATLAB^® Coder™ с Deep Learning Toolbox, чтобы сгенерировать Код С++ от обученного CNN. Можно развернуть сгенерированный код во встроенную платформу, которая использует процессор ARM^® или Intel^®.

Глубокое обучение для MATLAB Coder не поддерживается в MATLAB Online™.

Функции

`codegen`	Сгенерируйте код C/C++ из кода MATLAB
`cnncodegen`	Сгенерируйте код и создайте статическую библиотеку для Ряда или Сети DAG
`coder.loadDeepLearningNetwork`	Загрузите модель нейронной сети для глубокого обучения
`coder.DeepLearningConfig`	Создайте объекты настройки генерации кода глубокого обучения
`coder.ARMNEONConfig`	Параметры, чтобы сконфигурировать генерацию кода глубокого обучения с ARM Вычисляют Библиотеку
`coder.MklDNNConfig`	Параметры, чтобы сконфигурировать генерацию кода глубокого обучения с Math Kernel Library Intel для Глубоких нейронных сетей
`coder.getDeepLearningLayers`	Поддержите слои сверточной нейронной сети для генерации кода для определенной библиотеки глубокого обучения

Темы

Необходимые условия для глубокого обучения для MATLAB Coder

Установите продукты и сконфигурируйте среду для генерации кода для нейронных сетей для глубокого обучения.

Рабочий процесс для генерации кода глубокого обучения с MATLAB Coder

Сгенерируйте код для предсказания от предварительно обученной сети.

Сети и слои, поддержанные для генерации кода С++

Выберите сверточную нейронную сеть, которая поддерживается для вашего целевого процессора.

Загрузите предварительно обученные сети для генерации кода

Создайте SeriesNetwork, DAGNetwork, yolov2ObjectDetector, или ssdObjectDetector объект для генерации кода.

Генерация кода для нейронных сетей для глубокого обучения с MKL-DNN

Сгенерируйте Код С++ для предсказания от нейронной сети для глубокого обучения, предназначаясь для центрального процессора Intel.

Генерация кода для нейронных сетей для глубокого обучения с ARM вычисляет библиотеку

Сгенерируйте Код С++ для предсказания от нейронной сети для глубокого обучения, предназначаясь для процессора ARM.

Кросс-скомпилируйте код глубокого обучения, что ARM использования вычисляет библиотеку

Сгенерируйте библиотеку или исполняемый код на хосте - компьютере для развертывания на аппаратной цели ARM.

Сопутствующая информация

Начало работы с Deep Learning Toolbox (Deep Learning Toolbox)

Глубокое обучение для GPU Coder (GPU Coder)

Рекомендуемые примеры

Deep Learning Code Generation on Intel Targets for Different Batch Sizes

Генерация кода глубокого обучения на целях Intel для различных пакетных размеров

Сгенерируйте код для нейронных сетей для глубокого обучения, предназначаясь для процессора Intel.

Открыть скрипт

Code Generation for Deep Learning on ARM Targets

Генерация кода для глубокого обучения на целях ARM

Генерация кода с ARM Вычисляет Библиотеку, когда у вас нет пакета аппаратной поддержки.

Открыть скрипт

Deep Learning Prediction with ARM Compute Using codegen

Предсказание Глубокого обучения с ARM Вычисляет Используя codegen

Сгенерируйте код для нейронных сетей для глубокого обучения, предназначаясь для процессора ARM.

Открыть скрипт

Code Generation and Deployment of MobileNet-v2 Network to Raspberry Pi

Генерация кода и развертывание сети MobileNet-v2 к Raspberry Pi

Используйте сеть MobileNet-V2 для объектного предсказания на внешнем оборудовании.

Открыть скрипт

Generate C++ Code for Object Detection Using YOLO v2 and Intel MKL-DNN

Сгенерируйте Код С++ для Обнаружения объектов Используя YOLO v2 и Intel MKL-DNN

Сгенерируйте код для обнаружения объектов на центральном процессоре Intel.

Открыть скрипт

Code Generation for Semantic Segmentation Application on Intel CPUs That Uses U-Net

Генерация кода для приложения Семантической Сегментации на центральных процессорах Intel, которое использует U-Net

Сгенерируйте MEX-функцию, которая выполняет сегментацию изображений при помощи нейронной сети для глубокого обучения U-Net на центральных процессорах Intel.

Открыть скрипт

Code Generation for Semantic Segmentation Application on ARM Neon targets That Uses U-Net

Генерация кода для Приложения Семантической Сегментации на целях Неона ARM, Который Использование U-Net

Сгенерируйте статическую библиотеку, которая выполняет сегментацию изображений при помощи нейронной сети для глубокого обучения U-Net на целях ARM.

Открыть скрипт

Code Generation for LSTM Network on Raspberry Pi

Генерация кода для сети LSTM на Raspberry Pi

Сгенерируйте код для предварительно обучаемой длинной краткосрочной сети memory, чтобы предсказать Остающийся Срок полезного использования (RUI) машины.

Скрипт Open Live Script

Code Generation for LSTM Network That Uses Intel MKL-DNN

Генерация кода для сети LSTM, которая использует Intel MKL-DNN

Сгенерируйте код для предварительно обученной сети LSTM, которая делает предсказания для каждого шага входа timeseries.

Скрипт Open Live Script

Cross Compile Deep Learning Code for ARM Neon Targets

Перекрестный код глубокого обучения компиляции для целей неона ARM

Сгенерируйте библиотеку или исполняемый код на хосте - компьютере для развертывания на аппаратной цели ARM.

Скрипт Open Live Script

Документация MATLAB Coder

Поддержка

Памятка переводчика

1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.

2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.

3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.

4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.

5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.