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.
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 | Процессоры ARM Cortex-A, поддерживающие |
| 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 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 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 Компилятор C++ должен поддерживать C++ 11. В Windows сгенерировать код, который использует библиотеку Intel MKL-DNN при помощи 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 Для получения дополнительной информации см. документацию OpenCV. | |
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:
|
ARM_COMPUTELIB | Путь к корневой папке установки ARM Compute Library на целевом компьютере ARM. Для примера:
Задайте | |
PATH | Путь к папке библиотеки Intel MKL-DNN. Для примера:
| |
| Linux | LD_LIBRARY_PATH | Путь к папке библиотеки Intel MKL-DNN. Для примера:
|
Путь к папке ARM Compute Library на целевом компьютере. Для примера:
Задайте | ||
INTEL_MKLDNN | Путь к корневой папке установки библиотеки Intel MKL-DNN. Для примера:
| |
ARM_COMPUTELIB | Путь к корневой папке установки ARM Compute Library на целевом компьютере ARM. Для примера:
Задайте | |
| macOS | INTEL_MKLDNN | Путь к корневой папке установки библиотеки Intel MKL-DNN. Для примера:
|
| 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:
|
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.