深度学习GPU编码器
生成CUDA®深度学习神经网络的代码
深度学习是机器学习的一个分支,它教会计算机做人类与生俱来的事情:从经验中学习。学习算法使用计算方法直接从数据中“学习”信息,而不依赖预先确定的方程作为模型。深度学习使用卷积神经网络(cnn)直接从图像中学习数据的有用表示。神经网络结合了多个非线性处理层,使用简单的元素并行操作,并受到生物神经系统的启发。深度学习模型是使用包含许多层的大量标记数据和神经网络架构来训练的,通常包括一些卷积层。
您可以将GPU Coder™与深度学习工具箱™一起使用,以生成代码并在多个使用CNN的嵌入式平台上部署CNN英伟达®Tegra®处理器。深度学习工具箱提供了简单的MATLAB®用于创建和互连深层神经网络层的命令。预先训练的网络和示例(如图像识别和驾驶辅助应用程序)的可用性使得使用GPU Coder进行深度学习变得很容易,即使没有神经网络、深度学习或高级计算机视觉算法方面的专家知识。
应用程序
GPU编码器 | 从MATLAB代码生成GPU代码 |
功能
codegen |
从MATLAB代码生成C/ c++代码 |
cnncodegen |
为系列或DAG网络生成代码并构建静态库 |
coder.loadDeepLearningNetwork |
加载深度学习网络模型 |
编码器。DeepLearningConfig |
创建深度学习代码生成配置对象 |
编码器。MklDNNConfig |
参数配置深度学习代码生成与英特尔数学内核库的深度神经网络 |
编码器。CuDNNConfig |
使用CUDA深度神经网络库配置深度学习代码生成的参数 |
编码器。TensorRTConfig |
使用NVIDIA TensorRT库配置深度学习代码生成的参数 |
coder.getDeepLearningLayers |
为特定深度学习库的代码生成提供卷积神经网络层的支持金宝app |
gpucoderexamples |
产品的例子 |
相关信息
深度学习与MATLAB编码器(MATLAB编码器)