比尔•周MathWorks
金宝app®是一个值得信赖的工具,用于设计复杂系统,包括决策逻辑和控制器、传感器融合、车辆动力学和3D可视化组件。
从Release 2020b开始,您可以将深度学习网络集成到您的Simulink模型中,以执行系统级模拟和部署。金宝app
学习如何在NVIDIA的Simulink中使用基于YOLO v2的深度学习网络运行车道和车辆检测器的仿真金宝app®gpu。Simu金宝applink模型包括预处理和后处理组件,执行诸如调整传入视频的大小、检测坐标和在检测车辆周围绘制边框等操作。使用相同的Simulink模金宝app型,您可以使用cuDNN或TensorRT生成优化的CUDA代码,以目标gpu,如NVIDIA Tesla®和英伟达杰森®平台。
金宝appSimulink是一个值得信赖的工具,用于设计复杂系统,包括决策逻辑、控制器、传感器融合、车辆动力学和3D可视化组件。在发布2020b时,您可以将深度学习网络合并到您的Simulink模型中,以执行系统级模拟和部署。金宝app如果我们看看车辆和车道检测子系统内部,我们会看到顶部和底部使用了两个深度学习网络。我们的输入视频将进来,然后我们将做一些预处理来调整图像的大小,然后我们将其输入到我们的车道检测网络。
这里,你可以看到这是由MATLAB目录中的数学文件引入的。我们将做一些后处理来检测左车道数字的坐标,最后我们将做一些注释来突出显示车辆和车道。底部的深度学习网络是检测车辆,它基于YOLOv2。同样,你可以看到这是从目录的mat文件中加载的。回来,我们可以运行模拟。左边是我们的输入视频,右边是我们的输出视频我们用绿色标记高亮左右车道。然后我们在我们能看到的车辆周围开着黄色的边框。现在,我们已经准备好生成代码了,这样我们就可以启动Simulink编码器或嵌入式代码包装了。金宝app
让我们先看看代码生成设置。在这里,您将看到我们正在使用正确的系统目标文件,并且我们已经选中了这里的复选框来生成CUDA代码。我们还可以看看深度学习库。在这种情况下,我们可以选择cuDNN或TensorRT,所以我们暂时保留cuDNN。对于工具链设置,我们使用的是NVIDIA的CUDA工具包。最后,对于非深度学习部分,我们使用优化库,如cuBLAS, cuSOLVER和cuFFT。
这些都准备好了,我们继续生成代码。这是代码生成报告,您可以在左边看到生成的文件。我们先来看阶跃函数。在这里,你可以看到cudaMalloc调用它在GPU内存上分配变量。在这里,我们有cudaMemcpy,它将数据从CPU内存复制到GPU内存并在正确的位置返回。这里,有几个GPU内核正在启动,以加快GPU内核的运行速度。我们也有两个深度学习网络。这是第一个,LaneNet。你可以在这里看到所有的公有和私有方法。这里我们有设置,预测,清理,以及其他几个。
这是我们的第二个深度学习网络,这是使用YOLOv2的车辆探测器。同样,我们有相同的一组方法。如果我们查看setup方法的内部,你可以看到在程序开始时运行一次的代码,以将深度学习网络加载到内存中。如果你看这里,我们一次只看一层,我们加载权重和偏差。这就是利用深度学习网络从Simulink模型生成CUDA代码的快速浏览。金宝app想了解更多信息,请看下面的链接。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。