深入学习代码生成
使用Deep Network Designer生成MATLAB代码来构建和训练网络。
用MATLAB编码器™或GPU编码器™与深度学习工具箱™一起生成c++或CUDA代码，并在使用英特尔的嵌入式平台上部署卷积神经网络®、手臂®,或英伟达®Tegra®处理器。
功能
dlquantizer |
将深度神经网络量化为8位比例整数数据类型 |
dlquantizationOptions. |
用于量化训练有素的深神经网络的选项 |
校准 |
模拟和收集深度神经网络的范围 |
验证 |
对深度神经网络进行量化和验证 |
应用程序
| 深层网络量化器 | 将深度神经网络量化为8位比例整数数据类型 |
主题
深度学习量化
了解量化的效果和如何可视化网络卷积层的动态范围。
用于量化深度学习网络的代码生成（GPU编码器）
量化并生成预训练卷积神经网络的代码。
用于量化深度学习网络的代码生成（MATLAB编码器）
量化并生成预训练卷积神经网络的代码。
GPU的代码生成
与GPU编码器深入学习（GPU编码器）
为深度学习神经网络生成CUDA代码
执行车道和车辆检测的深度学习Simulink模型的代码生成金宝app（GPU编码器）
这个例子展示了如何从Simulink®模型开发CUDA®应用程序，使用卷积神经网络(CNN)执行车道和车辆检测。金宝app
在NVIDIA GPU上使用可变自动编码器生成数字图像（GPU编码器）
此示例显示如何为培训的变形式自动级别（VAE）网络生成CUDA®MEX。
这个例子展示了如何生成CUDA®MEX一个你只看一次(YOLO) v3对象检测器与自定义层。
用于心电信号分类的深度学习Simulink模型代码生成金宝app（GPU编码器）
这个例子演示了如何使用强大的信号处理技术和卷积神经网络来对心电信号进行分类。
此示例显示了如何执行使用深度学习的图像分类应用程序的代码生成。
此示例演示了如何为长短期内存（LSTM）网络生成CUDA®代码。
此示例显示了如何使用cnncodegen.函数用于在ARM®Mali gpu上使用深度学习的图像分类应用程序生成代码。
利用小波分析和深度学习在NVIDIA Jetson上部署信号分类器
此示例显示了如何使用连续小波变换（CWT）和普拉覆盖的卷积神经网络（CNN）提取的特征来生成和部署CUDA®可执行文件，其分类人体心电图（ECG）信号。
此示例显示如何为您生成CUDA®MEX，只需一次看一次（YOLO）V2对象检测器。
这个例子展示了如何从一个深度学习网络生成CUDA®代码，用a表示SeriesNetwork目的。
这个例子展示了使用NVIDIA TensorRT™库生成深度学习应用程序的代码。
此示例显示如何为使用深度学习的流量标志检测和识别应用程序生成CUDA®MEX代码。
此示例显示了用于使用深度学习的徽标分类应用程序的代码生成。
此示例显示如何通过使用去噪卷积神经网络（DNCNN [1]）来源如何从Matlab®代码生成CUDA®MEX。
这个例子展示了一个使用深度学习的图像分割应用程序的代码生成。
此示例显示如何通过使用GPU编码器™在NVIDIA®GPU上培训和部署全卷积语义分段网络。
这个例子展示了一个使用深度学习的图像分割应用程序的代码生成。
CPU的代码生成
这个示例演示了如何在不使用硬件支持包的情况下在基于ARM®的设备上生成和部署预测代码。金宝app
此示例显示了如何使用codegen为ARM®处理器上使用深度学习的Logo分类应用程序生成代码。
此示例显示了如何使用codegen命令为在英特尔®处理器上使用深度学习的图像分类应用程序生成代码。
使用Intel CPU上的变变AualEncoder生成位数图像（MATLAB编码器）
为培训的VAE DLNetwork生成代码以生成手绘数字。
生成c++代码的对象检测使用YOLO v2和英特尔MKL-DNN
这个例子展示了如何在Intel®处理器上为YOLO v2对象检测网络生成c++代码。
使用小波部署信号分类器和Raspberry PI上的深度学习
该示例显示了使用连续小波变换（CWT）和深卷积神经网络（CNN）对人心电图（ECG）信号进行分类的工作流程。
生成一个MEX函数和一个独立的可执行文件，在Raspberry Pi™上执行波形分割。
这个例子展示了如何生成和部署使用MobileNet-v2预训练网络进行对象预测的c++代码。
通过在英特尔CPU上使用深度学习网络U-Net来生成MEX函数，该函数执行图像分割。
用于使用U-Net的ARM®霓虹灯目标的语义分段应用程序的代码生成
通过在ARM目标上使用深度学习网络U-Net来生成执行图像分割的静态库。
为预先训练的长短期记忆网络生成代码，以预测机器的剩余使用寿命(RUI)。
为预先训练的LSTM网络生成代码，对输入时间序列的每一步进行预测。
在主机上生成库或可执行代码，以便在ARM硬件目标上部署。
覆盆子PI上量化深层学习网络的代码生成（MATLAB编码器）
为深度学习网络生成代码，以8位整数执行推理计算。
为训练有素的CNN生成C/ c++代码，不依赖于任何第三方库。
加载代码生成的预磨损网络（MATLAB编码器）
创建一个SeriesNetwork，DAGNetwork，yolov2ObjectDetector，ssdObjectDetector,或dlnetwork.对象，用于生成代码。
深度学习与MATLAB编码器（MATLAB编码器）
为深度学习神经网络生成C ++代码（需要深入学习工具箱）
特色的例子
您还可以从以下列表中选择一个网站：
