Используйте Deep Network Designer, чтобы сгенерировать код MATLAB, чтобы создать и обучить 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®.
dlquantizer | Квантуйте глубокую нейронную сеть к 8-битным масштабированным целочисленным типам данных |
dlquantizationOptions | Опции для квантования обученной глубокой нейронной сети |
calibrate | Симулируйте и соберите области значений глубокой нейронной сети |
validate | Квантуйте и подтвердите глубокую нейронную сеть |
| Deep Network Quantizer | Квантуйте глубокую нейронную сеть к 8-битным масштабированным целочисленным типам данных |
Квантование глубоких нейронных сетей
Изучите эффекты квантования и как визуализировать динамические диапазоны сетевых слоев свертки.
Генерация кода для квантованных нейронных сетей для глубокого обучения (GPU Coder)
Квантуйте и сгенерируйте код для предварительно обученной сверточной нейронной сети.
Сгенерируйте код MATLAB от Deep Network Designer
Сгенерируйте код MATLAB, чтобы воссоздать разработку и обучение сети в Deep Network Designer.
Глубокое обучение для GPU Coder (GPU Coder)
Сгенерируйте код CUDA для глубоких нейронных сетей
В этом примере показано, как разработать приложение CUDA® из модели Simulink®, которая выполняет маршрут и сверточные нейронные сети (CNN) использования обнаружения транспортного средства.
Генерация кода для глубокого обучения модель Simulink, чтобы классифицировать сигналы ECG (GPU Coder)
Этот пример демонстрирует, как можно использовать мощные методы обработки сигналов и Сверточные нейронные сети вместе, чтобы классифицировать сигналы ECG.
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
Этот пример демонстрирует, как сгенерировать код CUDA® для сети долгой краткосрочной памяти (LSTM).
Предсказание 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.
Генерация кода Для Обнаружения объектов Используя глубокое обучение YOLO v3
В этом примере показано, как сгенерировать CUDA® MEX для вы только смотрите однажды (YOLO) v3 детектор объектов с пользовательскими слоями.
Обнаружение маршрута, оптимизированное с GPU Coder
В этом примере показано, как сгенерировать код CUDA® от нейронной сети для глубокого обучения, представленной SeriesNetwork объект.
Предсказание глубокого обучения при помощи NVIDIA TensorRT
Этот пример показывает генерацию кода для применения глубокого обучения при помощи библиотеки NVIDIA TensorRT™.
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.
Генерация кода для глубокого обучения на целях ARM
В этом примере показано, как сгенерировать и развернуть код для предсказания на устройстве ARM®-based, не используя пакет аппаратной поддержки.
Предсказание Глубокого обучения с ARM Вычисляет Используя codegen
В этом примере показано, как использовать codegen сгенерировать код для приложения классификации Логотипов, которое использует глубокое обучение на процессорах ARM®.
Генерация кода глубокого обучения на целях Intel для различных пакетных размеров
В этом примере показано, как использовать codegen команда, чтобы 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 сети обнаружения объектов 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 для объектного предсказания.
Сгенерируйте MEX-функцию, которая выполняет сегментацию изображений при помощи нейронной сети для глубокого обучения U-Net на центральных процессорах Intel.
Сгенерируйте статическую библиотеку, которая выполняет сегментацию изображений при помощи нейронной сети для глубокого обучения U-Net на целях ARM.
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.
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.
Перекрестный код глубокого обучения компиляции для целей неона ARM
Сгенерируйте библиотеку или исполняемый код на хосте - компьютере для развертывания на аппаратной цели ARM.
Загрузите предварительно обученные сети для генерации кода (MATLAB Coder)
Создайте SeriesNetwork, DAGNetwork, yolov2ObjectDetector, или ssdObjectDetector объект для генерации кода.
Глубокое обучение для MATLAB Coder (MATLAB Coder)
Сгенерируйте Код С++ для глубоких нейронных сетей (требует Deep Learning Toolbox),
