主要内容

深度学习的先决条件马铃薯编码器

Mathworks.下载188bet金宝搏

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™。

第三方硬件和软件

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AVX2.）说明。

ARM Cortex-支持的处理器金宝app氖延期。
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Coder.armneonConfig配置对象。默认版本号为v19.05。

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libarm_compute.so应该被命名lib。如果文件夹被命名建立，将文件夹重命名为lib。

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mex-setup.更改默认编译器。看到更改默认编译器。

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Codegen.命令要求微软®视觉工作室®2015年或以后。
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opencv_core.lib.和opencv_video.lib.。该OpenCV.使用计算机Vision Toolbox™的库没有所需的库和OpenCV.安装程序未安装它们。因此，您必须下载OpenCV.来源并构建库。

有关更多信息，请参阅OpenCV文档。

环境变量

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：

C：\ Program Files \ MKL-DNN
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：

/ usr / local / arm_compute

组ARM_Comptelib.在ARM目标硬件上。
路径

到Intel MKL-DNN库文件夹的路径。

例如：

C：\ Program Files \ MKL-DNN \ lib
Linux. ld_library_path.

到Intel MKL-DNN库文件夹的路径。

例如：

/ usr / local / mkl-dnn / lib /

对目标硬件上的ARM计算库文件夹的路径。

例如：

/ usr / local / arm_compute / lib /

组ld_library_path.在ARM目标硬件上。
英特尔_MKLDNN.

“Intel MKL-DNN库安装的根文件夹的路径”。

例如：

/ usr / local / mkl-dnn /
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：

/ usr / local / arm_compute /

组ARM_Comptelib.在ARM目标硬件上。
苹果系统 英特尔_MKLDNN.

“Intel MKL-DNN库安装的根文件夹的路径”。

例如：

/ usr / local / mkl-dnn
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：

/ usr / local / opencv / build

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。

相关话题

Matlab编码器文档

金宝app

尝试matlab，sim金宝appulink等产品下载188bet金宝搏

立即获得审判