Квантование глубокого обучения

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.

Генерация кода для квантованных нейронных сетей для глубокого обучения (MATLAB Coder)

Квантуйте и сгенерируйте код для предварительно обученной сверточной нейронной сети.

Генерация кода MATLAB

Сгенерируйте код MATLAB от Deep Network Designer

Сгенерируйте код MATLAB, чтобы воссоздать разработку и обучение сети в Deep Network Designer.

Генерация кода графического процессора

Глубокое обучение для GPU Coder (GPU Coder)

Сгенерируйте код CUDA для глубоких нейронных сетей

Генерация кода для Глубокого обучения Модель Simulink, которая Выполняет Обнаружение Маршрута и Транспортного средства (GPU Coder)

В этом примере показано, как разработать приложение CUDA® из модели Simulink®, которая выполняет маршрут и сверточные нейронные сети (CNN) использования обнаружения транспортного средства.

Сгенерируйте изображения цифры на NVIDIA графический процессор Используя вариационный автоэнкодер (GPU Coder)

В этом примере показано, как сгенерировать CUDA® MEX для обученной вариационной сети (VAE) автоэнкодера.

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.

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.

Разверните классификатор сигнала на NVIDIA Джетсон Используя анализ вейвлета и глубокое обучение

В этом примере показано, как сгенерировать и развернуть исполняемый файл CUDA®, который классифицирует человеческую электрокардиограмму (ECG) сигналы, использующие функции, извлеченные непрерывным вейвлетом преобразовывает (CWT) и предварительно обученной сверточной нейронной сетью (CNN).

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.

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.

Сеть распознавания логотипа

Этот пример показывает генерацию кода для приложения классификации логотипов 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, которая использует U-net

Этот пример показывает генерацию кода для приложения сегментации изображений что глубокое обучение использования.

Генерация кода центрального процессора

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 изображения цифры Используя вариационный автоэнкодер на центральных процессорах Intel (MATLAB Coder)

Сгенерируйте код для обученного VAE dlnetwork, чтобы сгенерировать нарисованные от руки цифры.

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®.

Разверните классификатор сигнала Используя вейвлеты и глубокое обучение на Raspberry Pi

Этот пример показывает рабочий процесс, чтобы классифицировать человеческую электрокардиограмму (ECG) сигналы с помощью Непрерывного преобразования вейвлета (CWT) и глубокой сверточной нейронной сети (CNN).

Разверните сегментацию сигнала глубокая сеть на Raspberry Pi

Сгенерируйте MEX-функцию и независимый исполняемый файл, чтобы выполнить сегментацию формы волны на Raspberry Pi™.

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.

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.

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

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.

Генерация кода для квантованной нейронной сети для глубокого обучения на Raspberry Pi (MATLAB Coder)

Сгенерируйте код для нейронной сети для глубокого обучения, которая выполняет расчеты вывода в 8-битных целых числах.

Сгенерируйте Типовой Код C/C++ для Регрессии От последовательности к последовательности, Которая Использует Глубокое обучение

Сгенерируйте код C/C++ для обученного CNN, который не зависит ни от каких сторонних библиотек.

Загрузите предварительно обученные сети для генерации кода (MATLAB Coder)

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

Глубокое обучение для MATLAB Coder (MATLAB Coder)

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