Чтобы использовать MATLAB ® Coder™ для создания кода для сетей глубокого обучения, необходимо также установить:
Глубокое обучение Toolbox™
Интерфейс кодера MATLAB для библиотек глубокого обучения
Интерфейс кодера MATLAB для библиотек глубокого обучения не поддерживается для Online™ MATLAB.
Вы можете использовать кодер MATLAB для создания кода C++ для сетей глубокого обучения, развертываемых на процессорах Intel ® или ARM ®. Созданный код использует преимущества библиотек глубокого обучения, оптимизированных для целевого ЦП. Требования к аппаратному и программному обеспечению зависят от целевой платформы.
Кодер MATLAB можно также использовать для создания общего кода C или C++ для сетей глубокого обучения. Такой код C или C++ не зависит от каких-либо сторонних библиотек. Дополнительные сведения см. в разделе Создание общего кода C/C + + для сетей глубокого обучения.
Примечание
Пути к необходимым библиотекам программного обеспечения не должны содержать пробелы или специальные символы, например круглые скобки. В операционных системах Windows ® специальные символы и пробелы допускаются только в том случае, если включены имена файлов версии 8.3. Дополнительные сведения об именах файлов 8.3 см. в документации по Windows.
| Процессоры Intel | Процессоры ARM | |
|---|---|---|
| Требования к аппаратным средствам | Процессор Intel с поддержкой Intel Advanced Vector Extensions 2 (Intel | Процессоры ARM Cortex-A, поддерживающие |
| Библиотеки программного обеспечения | Библиотека Intel Math Kernel Library для глубоких нейронных сетей (MKL-DNN), версия 1.4. См. https://01.org/mkl-dnn Не используйте предварительно созданную библиотеку, так как некоторые обязательные файлы отсутствуют. Вместо этого создайте библиотеку из исходного кода. См. инструкции по созданию библиотеки на GitHub ®. Дополнительные сведения о построении см. в этой публикации в MATLAB Answers™: https://www.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep | Вычислительная библиотека ARM для компьютерного зрения и машинного обучения, версии 18.11, 19.02, 19.05 и 20.02.1. См. https://developer.arm.com/technologies/compute-library Укажите номер версии в Не используйте предварительно созданную библиотеку, поскольку она может быть несовместима с компилятором оборудования ARM. Вместо этого создайте библиотеку из исходного кода. Создайте библиотеку либо на хост-компьютере, либо непосредственно на целевом оборудовании. См. инструкции по созданию библиотеки на GitHub. Папка, содержащая файлы библиотеки, например Дополнительные сведения о построении см. в этой публикации в разделе Ответы MATLAB: https://www.mathworks.com/matlabcentral/answers/455590-matlab-coder-how-do-i-build-the-arm-compute-library-for-deep-learning-c-code-generation-and-deplo |
| Поддержка операционных систем | Windows, Linux ® и macOS. | Только Windows и Linux. |
| Компилятор C++ | Кодер MATLAB находит и использует поддерживаемый установленный компилятор. Список поддерживаемых компиляторов см. в разделе Поддерживаемые и совместимые компиляторы на веб-сайте MathWorks ®. Вы можете использовать Компилятор C++ должен поддерживать C++ 11. В Windows для создания кода, использующего библиотеку Intel MKL-DNN, с помощью В Windows для создания общего кода C или C++, не использующего библиотеки сторонних производителей, используйте Microsoft Visual Studio или компилятор MinGW ®. Дополнительные сведения см. в разделе Создание общего кода C/C + + для сетей глубокого обучения. | |
| Другое | Библиотека компьютерного зрения с открытым исходным кодом (OpenCV) версии 3.1.0 необходима для примеров глубокого обучения на базе ARM. Примечание.Примеры требуют отдельных библиотек, таких как Дополнительные сведения см. в документации по OpenCV. | |
MATLAB Coder использует переменные среды для поиска библиотек, необходимых для создания кода для сетей глубокого обучения.
| Платформа | Имя переменной | Описание |
|---|---|---|
| Windows | INTEL_MKLDNN | Путь к корневой папке установки библиотеки Intel MKL-DNN. Например:
|
ARM_COMPUTELIB | Путь к корневой папке установки вычислительной библиотеки ARM на целевом оборудовании ARM. Например:
Набор | |
PATH | Путь к папке библиотеки Intel MKL-DNN. Например:
| |
| Linux | LD_LIBRARY_PATH | Путь к папке библиотеки Intel MKL-DNN. Например:
|
Путь к папке вычислительной библиотеки ARM на целевом оборудовании. Например:
Набор | ||
INTEL_MKLDNN | Путь к корневой папке установки библиотеки Intel MKL-DNN. Например:
| |
ARM_COMPUTELIB | Путь к корневой папке установки вычислительной библиотеки ARM на целевом оборудовании ARM. Например:
Набор | |
| macOS | INTEL_MKLDNN | Путь к корневой папке установки библиотеки Intel MKL-DNN. Например:
|
| ОС на базе UNIX ® для целей ARM | OPENCV_DIR | Путь к папке сборки OpenCV. Установите OpenCV для глубоких примеров обучения, использующих OpenCV. Например:
|
Примечание
Чтобы создать код для Raspberry Pi™ с помощью пакета поддержки MATLAB для оборудования Raspberry Pi, необходимо установить переменные среды неинтерактивно. Инструкции см. в разделе https://www.mathworks.com/matlabcentral/answers/455591-matlab-coder-how-do-i-setup-the-environment-variables-on-arm-targets-to-point-to-the-arm-compute-li
Примечание
Для создания и выполнения примеров, использующих OpenCV, необходимо установить библиотеки OpenCV на целевой плате. При установке OpenCV в Linux убедитесь, что путь к файлам библиотеки и путь к файлам заголовка находятся в системном пути. По умолчанию файлы библиотеки и заголовков устанавливаются в стандартной папке, например /usr/local/lib/ и /usr/local/include/opencvсоответственно.
Для установки OpenCV на целевой плате установите OPENCV_DIR и PATH переменные среды, как описано в предыдущей таблице.