GPU编码器™使生成优化深度学习c++代码,嵌入的视野,和自治系统。生成的代码调用:
•优化NVIDIA CUDA库和可用于所有NVIDIA GPU平台原型
•优化手臂库和可用于原型手臂马里GPU平台上
您可以部署各种训练深度学习网络,如YOLOv2 ResNet-50, SegNet MobileNet等,从深度学习工具箱™NVIDIA gpu。您可以生成优化的代码预处理和后处理连同你的训练有素的深度学习网络部署完整的算法。
金宝app支持网络和层次列出:
•//www.tatmou.com/help/gpucoder/ug/gpucoder-金宝appsupported-networks-layers.html
为深度学习GPU编码器接口库提供了定制生成的代码的能力利用嵌入式目标瞄准特定库。支持包,您可以为特定金宝app的GPU目标与图书馆集成优化等深度学习TensorRT图书馆NVIDIA GPU或手臂胳膊马里GPU的计算库。
为深度学习GPU编码器接口集成了以下深度学习加速器库和相应的GPU的体系结构:
•cuDNN NVIDIA gpu和TensorRT库
•胳膊手臂马里gpu的计算库
这个硬件支持包功能R2018金宝appb和超越。
它需要GPU编码器使用深度学习时除了工具箱的预测函数(“加速度”,“墨西哥人”)名称-值对的选择。
如果你有下载或安装问题,请联系技术支持金宝app//www.tatmou.com/金宝appsupport/contact_us.html
(R2019b更新)
•添加代码生成支持wordEmbedding金宝appLayer CuDNN目标
•增加vc++ 2019编译器支持所有目标cnnc金宝appodegen (cuDNN TensorRT)
•支持ONN金宝appX身份层所有目标(cuDNN TensorRT,手臂马里)
•支金宝app持codegen concatenationLayer cuDNN
•添加支持C金宝approp2dLayer手臂马里。这使得支持完全卷积网络语义金宝app分割
请注意:在R2020b,您可能会遇到一个安装错误。有关更多信息,请参阅这一页上如何解决:
//www.tatmou.com/matlabcentral/answers/651078-installation-failure-for-matlab-coder-interface-for-deep-learning-libraries-and-gpu-coder-interface