Глубокое обучение - это отрасль машинного обучения, которая учит компьютеры делать то, что приходит естественным образом к людям: учиться на опыте. Алгоритмы обучения используют вычислительные методы для «изучения» информации непосредственно из данных, не опираясь на заданное уравнение в качестве модели. Глубокое обучение использует сверточные нейронные сети (CNN) для изучения полезных представлений данных непосредственно с изображений.
Вы можете использовать MATLAB ® Coder™ с Deep Learning Toolbox для создания кода C++ от обученного CNN. Созданный код можно развернуть на встраиваемой платформе с процессором Intel ® или ARM ®. Можно также создать общий код C или C++ из обученного CNN, который не зависит от каких-либо сторонних библиотек.
Глубокое обучение с помощью кодера MATLAB не поддерживается в Online™ MATLAB.
codegen | Создание кода C/C + + из кода MATLAB |
coder.loadDeepLearningNetwork | Загрузить модель сети глубокого обучения |
coder.DeepLearningConfig | Создание объектов конфигурации генерации кода глубокого обучения |
coder.ARMNEONConfig | Параметры для настройки генерации кода глубокого обучения с помощью вычислительной библиотеки ARM |
coder.MklDNNConfig | Параметры для настройки генерации кода глубокого обучения с помощью библиотеки Intel Math Kernel Library для глубоких нейронных сетей |
coder.getDeepLearningLayers | Получение списка слоев, поддерживаемых для создания кода для конкретной библиотеки глубокого обучения |
Предпосылки для глубокого обучения с помощью кодера MATLAB
Установка продуктов и настройка среды для создания кода для сетей глубокого обучения.
Поток операций для создания кода глубокого обучения с помощью кодера MATLAB
Создание кода для прогнозирования из предварительно обученной сети.
Сети и уровни, поддерживаемые для создания кода
Выберите сверточную нейронную сеть, которая поддерживается целевым процессором.
Создание кода для массива dlarray
Используйте массивы глубокого обучения в коде MATLAB, предназначенном для генерации кода.
Ограничения dlarray для генерации кода
Соблюдайте ограничения генерации кода для массивов глубокого обучения.
Загрузка предварительно подготовленных сетей для генерации кода
Создать SeriesNetwork
, DAGNetwork
, yolov2ObjectDetector
, ssdObjectDetector
, или dlnetwork
объект для создания кода.
Создание общего кода C/C + + для сетей глубокого обучения
Создание кода C/C + + для прогнозирования из сети глубокого обучения, которая не зависит от каких-либо сторонних библиотек.
Создание кода для сетей глубокого обучения с MKL-DNN
Создание кода C++ для прогнозирования с помощью сети глубокого обучения, ориентированной на процессор Intel.
Создание кода для сетей глубокого обучения с помощью вычислительной библиотеки ARM
Создание кода C++ для прогнозирования из сети глубокого обучения, предназначенной для процессора ARM.
Cross-Compile Deep Learning Code, использующий вычислительную библиотеку ARM
Создание библиотеки или исполняемого кода на хост-компьютере для развертывания на аппаратном целевом устройстве ARM.
Создание кода для квантованных сетей глубокого обучения
Квантовать и генерировать код для предварительно обученной сверточной нейронной сети.
Начало работы с панелью инструментов глубокого обучения (Deep Learning Toolbox)
Глубокое обучение с помощью кодера графического процессора (GPU Coder)