GPU编码器™ 为深度学习、嵌入式视觉和自主系统生成优化的C++代码。生成的代码调用：
•优化了NVIDIA CUDA库，可用于所有NVIDIA GPU平台上的原型制作
•优化的ARM库，可用于ARM Mali GPU平台上的原型

您可以从深度学习工具箱部署各种经过培训的深度学习网络，如YOLOv2、ResNet-50、SegNet、MobileNet等™ 到NVIDIA GPU。您可以生成用于预处理和后处理的优化代码，以及经过培训的深度学习网络，以部署完整的算法。

金宝app此处列出了支持的网络和层：
•//www.tatmou.com/help/gpucoder/ug/gpucoder-金宝appsupported-networks-layers.html

深度学习库的GPU编码器接口提供了通过利用嵌入目标上的目标特定库定制生成代码的能力。通过这个支持包，您可金宝app以集成针对特定GPU目标进行深度学习优化的库，如针对NVIDIA GPU的TensorRT库或针对ARM Mali GPU的ARM Compute库。

GPU Coder Interface for Deep Learning集成了以下深度学习加速器库和相应的GPU架构:
•用于NVIDIA GPU的cuDNN和TensorRT库
•用于ARM GPU的ARM计算库

此硬件支持包适用于R2018金宝appb及更高版本。

它需要GPU编码器，除非使用深度学习工具箱的预测函数和（“加速度”、“mex”）名称-值对选项。

如果您有下载或安装问题，请联系技术支持-金宝app//www.tatmou.com/金宝appsupport/contact_us.html

[R2019b中的更新]
•为CuDNN目标添加wordEmbeddi金宝appngLayer的代码生成支持
•为所有目标（cuDNN、TensorRT）添加对金宝appcnncodegen的VC++2019编译器支持
•为所有目标金宝app（cuDNN、TensorRT、ARM）添加对ONNX标识层的支持
•支金宝app持codegen为cuDNN连接层
•为ARM-金宝appMali添加对Crop2dLayer的支持。这支持语义分段的完全卷积网络