使用深度学习工具箱™ 连同深度学习工具箱模型量化库金宝app支持包,通过量化层的权重、偏差和激活以降低精度缩放整数数据类型,减少深度神经网络的内存占用和计算需求。然后可以生成C/C++,CUDA®,或来自这些量化网络的HDL代码。
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 |
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。
该示例显示了如何量化深度学习神经网络卷积层中的可学习参数,该网络具有剩余连接,并已使用CIFAR-10数据进行图像分类训练。
这个例子展示了如何为SSD车辆检测器和YOLO v2车辆检测器生成CUDA®代码,以8位整数执行推理计算。
用于FPGA部署的量化网络(深度学习HDL工具箱)
这个例子展示了如何量化神经网络卷积层中的可学习参数,并验证量化后的网络。
使用量化DAG网络在FPGA上对图像进行分类(深度学习HDL工具箱)
在本例中,您将使用深度学习HDL工具箱™ 部署量化深卷积神经网络并对图像进行分类。
基于量化GoogLeNet网络的FPGA图像分类(深度学习HDL工具箱)
此示例演示如何使用深度学习HDL工具箱™ 部署量化GoogleNet网络对图像进行分类。
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。
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,以8位整数执行推理计算。