GPU Coder™能够为深度学习、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:
•优化的NVIDIA CUDA库，可以用于所有NVIDIA GPU平台的原型
•优化的ARM库，可用于ARM Mali GPU平台上的原型

您可以部署各种训练有素的深度学习网络，如YOLOv2, ResNet-50, SegNet, MobileNet等，从深度学习工具箱™NVIDIA gpu。您可以生成用于预处理和后处理的优化代码，以及经过训练的深度学习网络，以部署完整的算法。

金宝app支持的网络和层列在这里:
•//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
•ARM计算库的ARM马里图形处理器

该硬件支持包适用于R2018金宝appb及以上版本。

它需要GPU编码器，除非使用深度学习工具箱的预测函数(“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更新)
•为CuDNN目标添加wordEmbeddi金宝appngLayer的代码生成支持
•添加vc++ 2019编译器支持所有目标的cnn金宝appcodegen (cuDNN, TensorRT)
•为所有目标金宝app(cuDNN, TensorRT, ARM Mali)添加ONNX身份层支持
•支金宝app持codegen for concatenationLayer for cuDNN
•为ARM马金宝app里添加了对Crop2dLayer的支持。这使得支持语义分割的完全卷金宝app积网络