使用deepnetworkdesigner生成MATLAB代码来构建和训练网络。
使用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®处理器®处理器。
深度网络量化器 | 将深度神经网络量化为8位比例整数数据类型 |
了解量化的效果以及如何可视化网络卷积层的动态范围。
量化深度学习网络的代码生成(GPU编码器)
对预训练卷积神经网络进行量化并生成代码。
量化深度学习网络的代码生成(MATLAB编码器)
对预训练卷积神经网络进行量化并生成代码。
GPU编码器的深度学习(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)
此示例显示如何从Simulink®模型开发CUDA®应用程序,该模型使用卷积神经网络(CNN)执行车道和车辆检测。金宝app
使用可变自动编码器在NVIDIA GPU上生成数字图像(GPU编码器)
此示例显示如何为经过培训的变分自动编码器(VAE)网络生成CUDA®MEX。
此示例显示如何为具有自定义层的you-only look once(YOLO)v3对象检测器生成CUDA®MEX。
心电信号深度学习Simulink模型的代码生成金宝app(GPU编码器)
此示例演示如何使用强大的信号处理技术和卷积神经网络对ECG信号进行分类。
此示例演示如何为使用深度学习的图像分类应用程序执行代码生成。
此示例演示如何为长-短期内存(LSTM)网络生成CUDA®代码。
此示例显示如何使用cnncodegen
函数用于为使用ARM®GPU上的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
此示例显示如何生成和部署CUDA®可执行文件,该文件使用连续小波变换(CWT)和预训练卷积神经网络(CNN)提取的特征对人体心电图(ECG)信号进行分类。
此示例显示如何为you-only look once(YOLO)v2对象检测器生成CUDA®MEX。
此示例显示如何从深度学习网络生成CUDA®代码,该网络由系列网络
对象。
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。
此示例演示如何为使用深度学习的交通标志检测和识别应用程序生成CUDA®MEX代码。
这个例子展示了一个使用深度学习的标识分类应用程序的代码生成。
此示例显示如何从MATLAB®代码生成CUDA®MEX,并使用去噪卷积神经网络(DnCNN[1])对灰度图像进行去噪。
此示例显示了使用深度学习的图像分割应用程序的代码生成。
此示例演示如何使用GPU编码器在NVIDIA®GPU上培训和部署完全卷积语义分段网络™.
此示例显示了使用深度学习的图像分割应用程序的代码生成。
此示例演示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用于预测的代码。金宝app
此示例演示如何使用编码基因
为ARM®处理器上使用深度学习的Logo分类应用程序生成代码。
此示例显示如何使用编码基因
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。
在英特尔CPU上使用可变自动编码器生成数字图像(MATLAB编码器)
为经过培训的VAE DLE网络生成代码,以生成手绘数字。
用YOLO V2和英特尔MKL DNN生成C++对象检测代码
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。
此示例显示了使用连续小波变换(CWT)和深度卷积神经网络(CNN)对人体心电图(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,以便在Raspberry Pi上执行波形分割™.
MobileNet-v2网络到Raspberry Pi的代码生成和部署
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。
生成一个MEX函数,该函数使用英特尔CPU上的深度学习网络U-Net执行图像分割。
在使用U-Net的ARM®Neon目标上为语义分段应用程序生成代码
生成一个静态库,该库使用ARM目标上的深度学习网络U-Net执行图像分割。
为预训练的长短期内存网络生成代码,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,该网络对输入时间序列的每个步骤进行预测。
在主机上生成库或可执行代码,以便在ARM硬件目标上部署。
基于Raspberry-Pi的量化深度学习网络代码生成(MATLAB编码器)
为深度学习网络生成代码,该网络以8位整数执行推理计算。
为不依赖任何第三方库的经过培训的CNN生成C/C++代码。
用于代码生成的负载预训练网络(MATLAB编码器)
创建一个系列网络
,达格网络
,Yolov2物体检测器
,SSD探测器
或数据链路网络
对象来生成代码。
MATLAB编码器的深度学习(MATLAB编码器)
生成深度学习神经网络的C++代码(需要深度学习工具箱)