为预训练的深层神经网络生成代码。您可以在MATLAB中加速算法的模拟^®或Si金宝appmulink^®通过使用不同的执行环境。通过使用支持包，您还可以在目标硬件上生成和部署C/C++、CUDA和HDL代码。金宝app

使用深度学习工具箱™ 连同深度学习工具箱模型量化库金宝app支持包，通过量化层的权重、偏差和激活以降低精度缩放整数数据类型，减少深度神经网络的内存占用和计算需求。然后可以从这些量化网络生成C/C++、CUDA或HDL代码。

使用MATLAB编码器™或金宝appSimulink编码器与深度学习工具箱一起生成运行在桌面或嵌入式目标上的MEX或独立CPU代码。您可以部署生成的使用英特尔^®MKL-DNN库或ARM^®计算机库。或者，您可以生成不调用第三方库函数的通用CPU代码。

使用GPU编码器™与深度学习工具箱一起生成CUDA MEX或独立的CUDA代码，运行在桌面或嵌入式目标。您可以部署生成的独立CUDA代码，使用CUDA深度神经网络库(cuDNN)， TensorRT™高性能推理库，或马里GPU的ARM计算库。

使用深度学习HDL工具箱™与深度学习工具箱一起生成预训练网络的HDL代码。您可以将生成的HDL代码部署到Intel和Xilinx上^®FPGA和SoC器件。