GPU编码器在MATLAB中为您完整的深度学习算法生成可移植和优化的CUDA代码，其中包括预处理和后处理应用逻辑以及训练好的神经网络。
使用NVIDIA GPU使用的GPU编码器硬件支持包，您可金宝app以直接从MATLAB构建和部署算法到NVIDIA GPU，建议直接从MATLAB使用NVIDIA驱动器和Jetson平台。
这里我们在PX2驱动器上部署了语义分割算法。类似地，在Jetson Xavier上，我们有语义分割应用程序在运行。
一旦你在MATLAB中构建了你的深度学习算法，硬件支持包让我们使用来自硬件的实时数据来原型你的算法。金宝app在部署到目标之前，您可以在工作站上测试算法的健壮性。
例如，我们有一个围绕训练过的VGG网络构建的深度学习算法，用于在MATLAB中进行语义分割。它在我的测试图像输入中工作得很好。
现在，使用支持包提供的这些api，我可以连接到NVIDIA驱动板，从连接到该板的摄像机传感器读金宝app取输入，并在MATLAB中运行推理。我们在这里的一个实验室里有一台干燥的PX2，我们把摄像头对准窗外，俯瞰新英格兰的一些树叶。
你可以看到算法在实时数据上是有效的。有一些人工制品，比如云和结构，它们不是训练数据的一部分。因此，我可以迭代和更新算法，以提高其鲁棒性。
下一步是使用如下所示的cod生成api从算法生成代码。您可以使用这些api在Windows或Linux机器上构建应用程序并将其部署到目标GPU。生成的代码包括到摄像头的接口和驱动器上的显示器。
下面是由生成的代码编译的语义分割应用程序，我们可以将其作为一个独立的应用程序启动在驱动器PX2上。遵循类似的工作流程，只改变了几个选项，我们还在Jetson Xavier板上部署了相同的算法。
要了解更多信息，请参考下面的GPU编码器资源链接，您可以通过从插件库下载支持包来尝试这个示例。金宝app
