金宝app模型是一个值得信赖的工具设计复杂的系统,包括决策逻辑控制器,传感器融合、车辆动力学、和三维可视化组件。释放2020 b,你可以深入学习网络合并到仿真软件模型进行系统级仿真和部署。金宝app如果我们看在车辆车道检测子系统,我们会看到两个深度学习网络的使用。现在输入视频会。我们会做一些调整图像预处理。
从那里,它发送到巷探测器,我们可以看到莱恩探测器被垫文件中定义。从那里,我们会寄一些后处理检测坐标然后画左和右车道在输出视频。现在并行,输入视频也将被发送到第二深度学习网络,yolov2网络,在这里你可以看到,内垫文件中定义的MATLAB函数块。从这里开始,我们将把它再次做一些注释画边框在检测到车辆。这是一个模拟CPU上运行。
帧率是有点低,但输入视频讲的是左边和右边的视频输出。你可以看到,我们检测左和右车道,突出绿色,周围画边框的车辆,我们看到。现在,我们准备好了代码生成,所以我们可以启动仿真软件编码器或嵌入式编码器的应用。金宝app在本例中,我们将开始嵌入式编码人员,我们将进入配置参数。在顶部,你会看到适当的系统目标文件。
我们设置了语言c++深度学习网络,向底部,你可以看到,我们使用Microsoft Visual c++工具链。下界面,在这里我们可以指定深度学习网络。目标库,我们可以选择MKL-DNN英特尔cpu或臂计算库手臂Cortex-A处理器。所以在这种情况下,我们会继续MKL-DNN这样我们可以运行这个英特尔CPU、生成代码。这是代码生成报告。
我们先找阶跃函数。我稍微向下滚动。在这里你可以看到代码的一部分,我们呼吁一个推理两个深度学习的第一网络。现在让我们看看深度学习网络是如何定义的。这是一个用于LaneNet,在这里你可以看到公共和私有方法的设置——设置,预测和清理。
现在我们也可以看看第二深度学习网络,yolov2网络。这里我们有一组类似的公共和私有方法,建立了预测,额外的激活,和清理。如果我们想要,我们可以看在一个设置,这是加载在程序的开始。在这里你可以看到一层的深度学习网络被加载。当我们做每一层,我们还把重量和偏见。
这是一个快速查看生成代码从深度学习网络内的cpu仿真软件,如英特尔和ARM处理器。金宝app有关更多信息,看一下下面的链接。
