20:58视频长度为20:58。
在嵌入式设备上部署深度学习——当fpga变得有意义时
设计深度学习、计算机视觉和信号处理应用程序,并将其部署到fpga、gpu和CPU平台,如Xilinx Zynq™或NVIDIA®Jetson还是ARM®由于嵌入式设备固有的资源限制,处理器具有挑战性。本演讲将向您介绍基于MATLAB的部署工作流®可以生成C/ c++或CUDA®或VHDL代码。
对于希望将深度学习集成到基于FPGA的应用程序中的系统设计人员,该讲座有助于教授部署到FPGA硬件的挑战和注意事项,并详细介绍MATLAB中的工作流程。了解如何使用MATLAB预构建的双流在fpga上探索和原型训练网络。您可以进一步自定义网络以满足性能要求和硬件资源使用,生成HDL,并将其集成到基于fpga的边缘推断系统中。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。