CUDA GPU编码器生成便携和优化代码完成,深入学习算法在MATLAB中,包括预处理和后处理的应用程序逻辑训练神经网络。
使用NVIDIA GPU的GPU编码器硬件支持包使用,您可金宝app以构建和部署算法直接从MATLAB NVIDIA GPU,建议直接从MATLAB NVIDIA驱动和杰森平台。
这里我们有语义分割算法部署在PX2开车。类似地,杰森泽维尔,语义分割运行的应用程序。
一旦你建立了深度学习算法在MATLAB,硬件支持包让我们从硬件原型算法使用实时数据。金宝app你可以测试你的算法的鲁棒性在您的工作站部署到目标。
例如,我们有一个深度学习算法建立在一个训练有素的VGG网络语义分割在MATLAB作为一个例子。对我的测试图像输入,它工作得很好。
现在,使用这些api所提供的支持包,我可以连接到NVIDIA驱动板,从相机传感器读取输入连接到金宝app董事会,并在MATLAB运行推理。我们有一个干PX2在我们的实验室,我们的相机指出窗口俯瞰一些树叶在新英格兰。
可以看到,该算法适用于实时数据。有一些工件,如云层和建设,不训练数据的一部分。所以我可以迭代和更新算法来提高其鲁棒性。
下一步是生成代码的算法如下所示使用鳕鱼生成api。您可以构建和部署您的应用程序到目标GPU在Windows或Linux机器使用这些api。和生成的代码包括相机和显示器的接口驱动。
这是语义分割应用程序编译生成的代码,我们可以启动驱动PX2作为一个独立的应用程序。遵循类似的工作流和更改的选项,我们也部署算法杰森Xavier董事会一样了。
要了解更多,请参考下面的GPU编码器资源链接,你可以试试这个例子通过下载插件的支持包画廊。金宝app
