为预磨料的深神经网络生成代码。您可以加快Matlab算法的仿真^®或者模金宝app拟^®通过使用不同的执行环境。通过使用支持包，您金宝app还可以在目标硬件上生成和部署C / C ++，CUDA和HDL代码。

使用深度学习工具箱™深度学习工具箱模型量化库金宝app通过量化重量，偏置和层的激活来降低深度神经网络的存储器占用和计算要求，以减少精度缩放整数数据类型。然后，您可以从这些量化的网络生成C / C ++，CUDA或HDL代码。

使用Matlab Coder™或金宝appSimulink编码器与深层学习工具箱一起生成在桌面或嵌入目标上运行的MEX或独立的CPU代码。您可以部署使用英特尔的生成的独立代码^®MKL-DNN库或手臂^®计算库。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设备。