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. Нейронные сети комбинируют несколько нелинейных слоев обработки, с помощью простых элементов, действующих параллельно и вдохновленный биологическими нервными системами. Модели глубокого обучения обучены при помощи большого набора маркированных данных и архитектур нейронной сети, которые содержат много слоев, обычно включая некоторые сверточные слои.
Можно использовать GPU Coder™ в тандеме с Deep Learning Toolbox™, чтобы сгенерировать код и развернуть CNN на нескольких встроенных платформах, которые используют NVIDIA® или процессоры GPU ARM®. Deep Learning Toolbox обеспечивает простые команды MATLAB® для создания и соединения слоев глубокой нейронной сети. Доступность предварительно обученных сетей и примеров, таких как распознавание изображений и приложения помощи драйвера позволяет вам использовать GPU Coder для глубокого обучения, без экспертных знаний о нейронных сетях, глубоком обучении или усовершенствованных алгоритмах компьютерного зрения.
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 при помощи cuDNN
Сгенерируйте код для предварительно обученных сверточных нейронных сетей при помощи cuDNN библиотеки.
Генерация кода для нейронных сетей для глубокого обучения при помощи TensorRT
Сгенерируйте код для предварительно обученных сверточных нейронных сетей при помощи библиотеки TensorRT.
Сгенерируйте Код С++ для предсказания от нейронной сети для глубокого обучения, предназначающейся для ARM процессор GPU Мали.
Факторы формата данных в глубоком обучении
Основные факторы формата данных для авторского примера основные функции.
Квантование глубоких нейронных сетей
Изучите эффекты квантования и как визуализировать динамические диапазоны сетевых слоев свертки.
Генерация кода для квантованных нейронных сетей для глубокого обучения
Квантуйте и сгенерируйте код для предварительно обученной сверточной нейронной сети.
Глубокое обучение в Simulink Используя блок MATLAB function
Симулируйте и сгенерируйте код для моделей глубокого обучения в Simulink с помощью блоков MATLAB function.
Глубокое обучение в Simulink, пользующемся библиотекой глубоких нейронных сетей
Симулируйте и сгенерируйте код для моделей глубокого обучения в Simulink с помощью библиотечных блоков.
Предназначение для NVIDIA встроенные Советы
Создайте и разверните в NVIDIA платы графического процессора.