Необходимые условия для глубокого обучения с MATLAB Coder

Продукты Mathworks

Как использовать MATLAB^® Coder™ сгенерировать код для нейронных сетей для глубокого обучения, необходимо также установить:

Deep Learning Toolbox™
MATLAB CODER для библиотек глубокого обучения

Интерфейс MATLAB Coder для Глубокого обучения библиотек не поддерживается для Online™ MATLAB.

Стороннее Оборудование и программное обеспечение

Вы можете использовать MATLAB Coder для генерации Кода С++ от нейронных сетей для глубокого обучения, которые вы развертываете в Intel^® или ARM^® процессоры. Сгенерированный код использует преимущества библиотек глубокого обучения, оптимизированных для целевого центрального процессора. Требования к оборудованию и программному обеспечению зависят от целевой платформы.

Можно также использовать MATLAB Coder для генерации типовых кодов C or C++ для нейронных сетей для глубокого обучения. Такой код C or C++ не зависит ни от каких сторонних библиотек. Для получения дополнительной информации смотрите Сгенерировать общий код C/C + + для нейронных сетей для глубокого обучения.

Примечание

Пути к необходимым библиотекам программного обеспечения не должны содержать пространств или специальных символов, таких как круглые скобки. В Windows^® операционные системы, специальные символы и пространства разрешены только в том случае, если включено 8,3 имен файлов. Для получения дополнительной информации об именах файлов 8.3 см. документацию Windows.

	Функции Intel центральных процессоров	Центральные процессоры ARM
Требования к оборудованию	Процессор Intel с поддержкой Intel Advanced Vector Extensions 2 (Intel `AVX2`) инструкции.	Процессоры ARM Cortex-A, поддерживающие `NEON` расширение.
Библиотеки программного обеспечения	Intel Math Kernel Library для глубоких нейронных сетей (MKL-DNN), v1.4. См. https://01.org/mkl-dnn Не используйте предварительно построенную библиотеку, поскольку отсутствуют некоторые необходимые файлы. Вместо этого создайте библиотеку из исходного кода. Смотрите инструкции по созданию библиотеки на GitHub^®. Для получения дополнительной информации о сборке смотрите эту запись 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	ARM Compute Library 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 `coder.ARMNEONConfig` объект строения. Номер версии по умолчанию является v20.02.1. Не используйте предварительно построенную библиотеку, поскольку она может быть несовместима с компилятором на оборудовании ARM. Вместо этого создайте библиотеку из исходного кода. Создайте библиотеку на хост-компьютере или непосредственно на целевом компьютере. См. инструкции по созданию библиотеки на GitHub. Папка, содержащая такие файлы библиотеки, как `libarm_compute.so` должно быть названо `lib`. Если папка имеет имя `build`, переименуйте папку в `lib`. Для получения дополнительной информации о сборке смотрите эту запись в MATLAB Answers: 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 операционной системы	Windows, Linux^®, и macOS.	Только Windows и Linux.
Компилятор C++	MATLAB Coder находит и использует поддерживаемый установленный компилятор. Список поддерживаемых компиляторов см. в Поддерживаемые и совместимые компиляторы на MathWorks^® веб-сайт. Можно использовать `mex -setup` для изменения компилятора по умолчанию. См. Раздел «Изменение компилятора по умолчанию». Компилятор C++ должен поддерживать C++ 11. В Windows сгенерировать код, который использует библиотеку Intel MKL-DNN при помощи `codegen` команда, используйте Microsoft^® Визуальная студия^® 2015 или позже. В Windows для генерации типового кода C or C++, который не использует никаких сторонних библиотек, используйте Microsoft Visual Studio или MinGW^® компилятор. Для получения дополнительной информации смотрите Сгенерировать общий код C/C + + для нейронных сетей для глубокого обучения.
Другое	Open Source Computer Vision Library (OpenCV), v3.1.0 требуется для примеров глубокого обучения на основе ARM. Примечание. Примеры требуют отдельных библиотек, таких как `opencv_core.lib` и `opencv_video.lib`. The `OpenCV` библиотека, поставляемая с Computer Vision Toolbox™, не имеет необходимых библиотек, и установщик OpenCV не устанавливает их. Поэтому необходимо скачать `OpenCV` исходный код и создание библиотек. Для получения дополнительной информации см. документацию OpenCV.

Переменные окружения

MATLAB Coder использует переменные окружения, чтобы найти библиотеки, необходимые для генерации кода для нейронных сетей для глубокого обучения.

Платформа	Имя переменной	Описание
Windows	`INTEL_MKLDNN`	Путь к корневой папке установки библиотеки Intel MKL-DNN. Для примера: `C:\Program Files\mkl-dnn`
	`ARM_COMPUTELIB`	Путь к корневой папке установки ARM Compute Library на целевом компьютере ARM. Для примера: `/usr/local/arm_compute` Задайте `ARM_COMPUTELIB` на целевой компьютер ARM.
	`PATH`	Путь к папке библиотеки Intel MKL-DNN. Для примера: `C:\Program Files\mkl-dnn\lib`
Linux	`LD_LIBRARY_PATH`	Путь к папке библиотеки Intel MKL-DNN. Для примера: `/usr/local/mkl-dnn/lib/`
	`LD_LIBRARY_PATH`	Путь к папке ARM Compute Library на целевом компьютере. Для примера: `/usr/local/arm_compute/lib/` Задайте `LD_LIBRARY_PATH` на целевой компьютер ARM.
	`INTEL_MKLDNN`	Путь к корневой папке установки библиотеки Intel MKL-DNN. Для примера: `/usr/local/mkl-dnn/`
	`ARM_COMPUTELIB`	Путь к корневой папке установки ARM Compute Library на целевом компьютере ARM. Для примера: `/usr/local/arm_compute/` Задайте `ARM_COMPUTELIB` на целевой компьютер ARM.
macOS	`INTEL_MKLDNN`	Путь к корневой папке установки библиотеки Intel MKL-DNN. Для примера: `/usr/local/mkl-dnn`
UNIX^® основанная на ОС на целях ARM	`OPENCV_DIR`	Путь к папке сборки OpenCV. Установите OpenCV для примеров глубокого обучения, которые используют OpenCV. Для примера: `/usr/local/opencv/build`

Примечание

Чтобы сгенерировать код для Raspberry Pi™ с помощью пакета поддержки MATLAB для Raspberry Pi Hardware, необходимо установить переменные окружения не в интерактивном режиме. 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

Чтобы создать и запустить примеры, использующие OpenCV, необходимо установить библиотеки OpenCV на целевую плату. Для установки OpenCV в Linux убедитесь, что путь к файлам библиотеки и путь к файлам заголовка указаны в системном пути. По умолчанию библиотека и заголовочные файлы устанавливаются в стандартном расположении, таком как /usr/local/lib/ и /usr/local/include/opencv, соответственно.

Для установки OpenCV на целевой плате установите OPENCV_DIR и PATH переменные окружения, как описано в предыдущей таблице.

Документация