この例では,GPU编码器™ NVI金宝appDIA GPU支持包を使用してNVIDIA®驱动™および杰森ハードウェアプラットフォームに接続して,基本的な操作を実行し,MATLAB®関数からCUDA®実行可能ファイルを生成して,その実行可能ファイルをハードウェアで実行する方法を説明します。この例では単純なベクトル加算を使用します。

この例では,GPU编码器™支持NV金宝appIDIA GPUを包使用してNVIDIA®杰森Nanoに接続された覆盆子π相机模块V2からのイメージをキャプチャして処理する方法を示します。GPU编码器支持NV金宝appIDIA GPUを包使用すると,相机模块V2からのイメージをキャプチャしてMATLAB®環境に持ち込んで処理することができます。この例では,この機能を使用してソーベルエッジ検出アルゴリズムを開発する方法を学習します。

この例では,深層学習を使用するイメージセグメンテーションアプリケーションのCUDA®実行可能ファイルを生成して展開する方法について説明します。これはGPU编码器™支持包NV金宝appIDIA®GPUを使用して,NVIDIA驱动™プラットフォーム上に実行可能ファイルを展開します。この例では,ホストコンピューターでコード生成を実行し,生成されたコードを,サポートパッケージのリモートビルド機能を使用して,ターゲットプラットフォーム上でビルドします。詳細は,セマンティックセグメンテーションネットワークのコード生成を参照してください。

この例では,GPU编码器™支持NV金宝appIDIA GPUを包使用して,图像处理工具箱™アルゴリズムをNVIDIA®杰森TX2ボードに展開する方法を説明します。この概念を説明するための例として,関数imtophat(图像处理工具箱)を使用します。この関数は,グレースケールイメージに対してモルフォロジートップハットフィルター処理を実行します。トップハットフィルター処理を実行するとイメージのモルフォロジーオープニングが計算され(imopen(图像处理工具箱)を使用),次に元のイメージから結果が減算されます。生成されたCUDA®コードでは,GPUでの演算を高速化するために共有メモリが使用されます。

この例では、GPU编码器™ NVI金宝appDIA GPU支持包を使用して、达格网络オブジェクトから CUDA®コードを生成し、その生成コードを NVIDIA®Jetson TX2ボードに展開する方法を説明します。この例では、resnet50深層学習ネットワークを使用して、USB网络カメラのビデオ ストリームのイメージを分類します。

在NVIDIA®J金宝appetson TX2板上部署Simulink®模型，用于对网络摄像头图像进行分类。本例使用预先训练的深度卷积神经网络，对网络摄像头中的图像进行实时分类，ResNet-50．本例中的金宝appSimulink模型使用了用于NVIDIA Jetson和NVIDIA DRIVE平台的MATLAB®Coder™支持包中的摄像机和显示块，从网络摄像机捕捉实时视频流，金宝app并将预测结果显示在连接到Jetson平台的监视器上。

この例では、連続ウェーブレット変換 (CWT）と事前学習済みの畳み込みニューラル ネットワーク (（美国有线电视新闻网）を使用して人間の心電図 (（心电图）信号を分類する CUDA®実行可能ファイルを生成および展開する方法を説明します。