使用马铃薯®编码器™要为深度学习网络生成代码,还必须安装:
深度学习工具箱™
MATLAB编码器界面为深度学习库
该MATLAB编码器界面为深度学习库不受支持金宝appMatlab Online™。
您可以使用Matlab编码器为您部署到英特尔的深度学习网络生成C ++代码®或手臂®处理器。生成的代码利用针对目标CPU优化的深度学习库。硬件和软件要求取决于目标平台。
注意
所需软件库的路径不得包含空格或特殊字符,例如括号。在Windows上®仅当启用8.3文件名时才允许操作系统,特殊字符和空格。有关8.3文件名的详细信息,请参阅Windows文档。
英特尔CPU. | ARM CPU. | |
---|---|---|
硬件要求 | 英特尔处理器支持英特尔高级矢量扩展2(英特金宝app尔 |
ARM Cortex-支持的处理器金宝app |
软件图书馆 | Intel Math Kernel Library用于深神经网络(MKL-DNN),V1.0。看到https://01.org/mkl-dnn. 不要使用预构建库,因为缺少一些必需的文件。相反,从源代码构建库。看到构建图书馆的说明在GitHub上®。 有关构建的更多信息,请参阅此帖子matlab ansumn™://www.tatmou.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-和-Ade |
计算机视觉和机器学习的ARM计算库,版本18.05,18.08,18.11,19.02和19.05。看到https://developer.arm.com/technologies/compute-library. 指定版本号 请勿使用预构建库,因为它可能与ARM硬件上的编译器不兼容。相反,从源代码构建库。在主机计算机上或直接在目标硬件上构建库。看到构建图书馆的说明在github上。 包含库文件的文件夹,如 有关构建的更多信息,请参阅此帖子matlab答案://www.tatmou.com/matlabcentral/answers/455590-matlab-coder-how-do-i-build-the-arm-compute-library-for-deep-learning-c-code-generation-d-deplo. |
操作系统支持金宝app | Windows,Linux®,和苹果系统。 |
仅限Windows和Linux。 |
C ++编译器 | Matlab编码器找到并使用受支持的安装编译器。金宝app有关支持的编译器列表,请参阅金宝app金宝app支持和兼容的编译器在Mathworks.®网站。 您可以使用 C ++编译器必须支持C ++ 11。金宝app 在Windows上,使用Deave学习网络的代码生成 |
|
其他 | 开源计算机视觉库(OpenCV.),基于ARM的深度学习示例需要V3.1.0。 注意:示例需要单独的库,如 有关更多信息,请参阅OpenCV文档。 |
Matlab编码器使用环境变量来找到生成深度学习网络代码所需的库。
平台 | 变量名称 | 描述 |
---|---|---|
视窗 | 英特尔_MKLDNN. |
“Intel MKL-DNN库安装的根文件夹的路径”。 例如:
|
ARM_Comptelib. |
ARM计算库安装在ARM目标硬件上的root文件夹的路径。 例如:
组 |
|
路径 |
到Intel MKL-DNN库文件夹的路径。 例如:
|
|
Linux. | ld_library_path. |
到Intel MKL-DNN库文件夹的路径。 例如:
|
对目标硬件上的ARM计算库文件夹的路径。 例如:
组 |
||
英特尔_MKLDNN. |
“Intel MKL-DNN库安装的根文件夹的路径”。 例如:
|
|
ARM_Comptelib. |
ARM计算库安装在ARM目标硬件上的root文件夹的路径。 例如:
组 |
|
苹果系统 | 英特尔_MKLDNN. |
“Intel MKL-DNN库安装的根文件夹的路径”。 例如:
|
unix.®在ARM目标上基于OS | OpenCV_DIR. |
opencv的构建文件夹的路径。为使用OpenCV的深度学习示例安装OpenCV。 例如:
|
注意
使用使用的raspberry pi™生成代码覆盆子PI硬件金宝app的MATLAB支持包,必须将环境变量设置为非交互式。有关说明,请参阅//www.tatmou.com/matlabcentral/answers/455591-matlab-coder-how-do-i-setup-the-environment-variables-ton-arm-targets-to-point-to-the-arm-compute li.
注意
要构建和运行使用OpenCV的示例,必须在目标板上安装OpenCV库。对于Linux上的OpenCV安装,请确保系统路径上的库文件的路径和标题文件的路径。默认情况下,库和标头文件安装在标准位置,例如/ usr / local / lib /
和/ usr / local /包含/ opencv
, 分别。
对于目标板上的OpenCV安装,请设置OpenCV_DIR.
和路径
环境变量如上一表中所述。