Необходимые условия для глубокого обучения для MATLAB Coder

Продукты Mathworks

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

Deep Learning Toolbox™
Интерфейс MATLAB Coder для библиотек глубокого обучения

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

Стороннее аппаратное и программное обеспечение

Можно использовать MATLAB Coder, чтобы сгенерировать Код С++ для нейронных сетей для глубокого обучения, которые вы развертываете в Intel^® или ARM^® процессоры. Сгенерированный код использует в своих интересах библиотеки глубокого обучения, оптимизированные для целевого центрального процессора. Аппаратные и программные требования зависят от целевой платформы.

Можно также использовать MATLAB Coder, чтобы сгенерировать типовой код 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, Генерируют Типовой Код C/C++ для Нейронных сетей для глубокого обучения.

Примечание

Пути к необходимым библиотекам программного обеспечения не должны содержать пробелы или специальные символы, такие как круглые скобки. На Windows^® операционные системы, специальные символы и пробелы позволены, только если 8,3 имен файлов включены. Для получения дополнительной информации о 8,3 именах файлов обратитесь к документации по Windows.

	Центральные процессоры Intel	ЦЕНТРАЛЬНЫЕ ПРОЦЕССОРЫ ARM
Требования к аппаратным средствам	Процессор Intel с поддержкой Intel Усовершенствованные Векторные Расширения 2 (Intel `AVX2`) инструкции.	Процессоры ARM Cortex-A, которые поддерживают `NEON` расширение.
Библиотеки программного обеспечения	Intel Math Kernel Library для Глубоких нейронных сетей (MKL-DNN), v1.4. См. https://01.org/onednn Не пользуйтесь предварительно созданной библиотекой, потому что некоторые необходимые файлы отсутствуют. Вместо этого создайте библиотеку из исходного кода. См. инструкции для создания библиотеки по GitHub^®. Для получения дополнительной информации о сборке смотрите это сообщение 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-de p	ARM Вычисляет Библиотеку для компьютерного зрения и машинного обучения, версий 19.05 и 20.02.1. См. https://developer.arm.com/ip-products/processors/machine-learning/compute-library Задайте номер версии в `coder.ARMNEONConfig` объект настройки. Номер версии по умолчанию является v20.02.1. Не пользуйтесь предварительно созданной библиотекой, потому что это может быть несовместимо с компилятором на оборудовании ARM. Вместо этого создайте библиотеку из исходного кода. Создайте библиотеку или по вашей хост-машине или по непосредственно по целевому компьютеру. См. инструкции для создания библиотеки по GitHub. Папка, которая содержит файлы библиотеки, такие как `libarm_compute.so` должен быть назван `lib`. Если папку называют `build`, переименуйте папку в `lib`. Для получения дополнительной информации о сборке смотрите это сообщение 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-depl o
Поддержка операционной системы	Windows, Linux^®, и macOS.	Windows и Linux только.
Компилятор C++	MATLAB Coder определяет местоположение и использует поддерживаемый установленный компилятор. Для списка поддерживаемых компиляторов см. Поддерживаемые и Совместимые Компиляторы на MathWorks^® веб-сайт. Можно использовать `mex -setup` изменить компилятор по умолчанию. См. Компилятор Значения по умолчанию Изменения. Компилятор C++ должен поддержать C++ 11. На Windows, чтобы сгенерировать код, который пользуется библиотекой Intel MKL-DNN при помощи `codegen` команда, используйте Microsoft^® Visual Studio^® 2015 или позже. На Windows, чтобы сгенерировать типовой код C or C++, который не пользуется никакими сторонними библиотеками, Microsoft Visual Studio использования или MinGW^® компилятор. Для получения дополнительной информации смотрите, Генерируют Типовой Код C/C++ для Нейронных сетей для глубокого обучения.
Другой	Библиотека Компьютерного зрения С открытым исходным кодом (OpenCV), v3.1.0 требуется для основанных на ARM примеров глубокого обучения. Примечание: примеры требуют отдельных библиотек, таких как `opencv_core.lib` и `opencv_video.lib`. `OpenCV` библиотека, которая поставляется с Computer Vision Toolbox™, не имеет необходимых библиотек, и инсталлятор OpenCV не устанавливает их. Поэтому необходимо загрузить `OpenCV` источник и сборка библиотеки. Для получения дополнительной информации обратитесь к документации OpenCV.

Переменные окружения

MATLAB Coder использует переменные окружения, чтобы определить местоположение библиотек, требуемых сгенерировать код для нейронных сетей для глубокого обучения.

Платформа	Имя переменной	Описание
Windows	`INTEL_MKLDNN`	Путь к корневой папке установки библиотеки Intel MKL-DNN. Например: `C:\Program Files\mkl-dnn`
	`ARM_COMPUTELIB`	Путь к корневой папке ARM Вычисляет установку Библиотеки на целевом компьютере ARM. Например: `/usr/local/arm_compute` Установите `ARM_COMPUTELIB` на целевом компьютере ARM.
	`PATH`	Путь к папке библиотеки Intel MKL-DNN. Например: `C:\Program Files\mkl-dnn\lib`
Linux	`LD_LIBRARY_PATH`	Путь к папке библиотеки Intel MKL-DNN. Например: `/usr/local/mkl-dnn/lib/`
	`LD_LIBRARY_PATH`	Путь к папке ARM Compute Library на целевом компьютере. Например: `/usr/local/arm_compute/lib/` Установите `LD_LIBRARY_PATH` на целевом компьютере ARM.
	`INTEL_MKLDNN`	Путь к корневой папке установки библиотеки Intel MKL-DNN. Например: `/usr/local/mkl-dnn/`
	`ARM_COMPUTELIB`	Путь к корневой папке ARM Вычисляет установку Библиотеки на целевом компьютере ARM. Например: `/usr/local/arm_compute/` Установите `ARM_COMPUTELIB` на целевом компьютере ARM.
macOS	`INTEL_MKLDNN`	Путь к корневой папке установки библиотеки Intel MKL-DNN. Например: `/usr/local/mkl-dnn`
Unix^® основанная ОС на целях ARM	`OPENCV_DIR`	Путь к папке сборки OpenCV. Установите OpenCV для примеров глубокого обучения то использование OpenCV. Например: `/usr/local/opencv/build`

Примечание

Чтобы сгенерировать код для Raspberry Pi™ с помощью Пакета поддержки MATLAB для Оборудования Raspberry Pi, необходимо установить переменные окружения нев интерактивном режиме. Для инструкций см. 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 - литий

Примечание

Чтобы создать и запустить примеры, которые используют OpenCV, необходимо установить библиотеки OpenCV по требуемой плате. Для установок OpenCV на Linux убедитесь, что путь к файлам библиотеки и путь к заголовочным файлам находятся на системном пути. По умолчанию библиотека и заголовочные файлы установлены в стандартном месте, таком как /usr/local/lib/ и /usr/local/include/opencv, соответственно.

Для установок OpenCV на требуемой плате, набор OPENCV_DIR и PATH переменные окружения как описано в предыдущей таблице.

Документация