Сгенерируйте код для предварительно обученных глубоких нейронных сетей. Можно ускорить симуляцию алгоритмов в MATLAB^® или Simulink^® при помощи различных сред выполнения. При помощи пакетов поддержки можно также сгенерировать и развернуть C/C++, CUDA и HDL-код на целевом компьютере.

Используйте Deep Learning Toolbox™ вместе с пакетом поддержки Библиотеки Квантования Модели Deep Learning Toolbox, чтобы уменьшать объем потребляемой памяти и вычислительные требования глубокой нейронной сети путем квантования весов, смещений, и активации слоев к уменьшаемой точности масштабировали целочисленные типы данных. Можно затем сгенерировать C/C++, CUDA или HDL-код от этих квантованных сетей.

Используйте MATLAB Coder™ или Simulink Coder вместе с Deep Learning Toolbox, чтобы сгенерировать MEX или автономный код центрального процессора, который работает на настольных или целевых процессорах. Можно развернуть сгенерированный автономный код, который использует Intel^® Библиотека MKL-DNN или ARM^® Библиотека Compute. В качестве альтернативы можно сгенерировать типовой код центрального процессора, который не вызывает сторонние библиотечные функции.

Используйте GPU Coder™ вместе с Deep Learning Toolbox, чтобы сгенерировать MEX CUDA или автономный код CUDA, который работает на настольных или целевых процессорах. Можно развернуть сгенерированный автономный код CUDA, который пользуется библиотекой глубокой нейронной сети CUDA (cuDNN), высокоэффективной библиотекой вывода TensorRT™ или библиотекой ARM Compute для Мали графический процессор.

Используйте Deep Learning HDL Toolbox™ вместе с Deep Learning Toolbox, чтобы сгенерировать HDL-код для предварительно обученных сетей. Можно развернуть сгенерированный HDL-код на Intel и Xilinx^® FPGA и устройства SoC.