このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
MATLAB®编码器™を使用して深層学習ネットワークのコードを生成するには、次もインストールしなければなりません。
深度学习工具箱™
MATLAB Coder Interface for Deep Learning Libraries
MATLAB Coder Interface for Deep Learning LibrariesはMATLAB Online™ではサポートされていません。
MATLAB Coderを使用して、Intel®または ARM®プロセッサに展開する深層学習ネットワークの C++ コードを生成できます。生成されたコードは、ターゲット CPU 用に最適化された深層学習ライブラリを利用します。ハードウェアとソフトウェアの要件はターゲット プラットフォームによって決まります。
メモ
必要なソフトウェア ライブラリへのパスは、スペースや、かっこなどの特殊文字を含むことはできません。Windows®オペレーティング システムでは、特殊文字やスペースは 8.3 ファイル名が有効になっている場合にのみ使用できます。8.3 ファイル名の詳細については、Windows のドキュメントを参照してください。
英特尔CPU | ARM CPU | |
---|---|---|
ハードウェア要件 | Intel Advanced Vector Extensions 2 (Intel |
|
ソフトウェア ライブラリ | Intel Math Kernel Library for Deep Neural Networks (MKL-DNN), v1.0。https://01.org/mkl-dnnを参照してください。 一部の必要なファイルが不足しているため、プリビルド ライブラリは使用しないでください。代わりに、ソース コードからライブラリをビルドします。GitHub®でのライブラリのビルド手順を参照してください。 ビルドの詳細については、MATLAB Answers™://www.tatmou.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-depの投稿を参照してください。 |
ARM计算库,版本18.05、18.08.118.11、19.02および19.05。https://developer.arm.com/technologies/compute-libraryを参照してください。 バージョン番号を ARM ハードウェアではコンパイラとの互換性がない可能性があるため、プリビルド ライブラリは使用しないでください。代わりに、ソース コードからライブラリをビルドします。ホスト マシン上またはターゲット ハードウェア上で直接ライブラリをビルドします。GitHub でのライブラリのビルド手順を参照してください。
ビルドの詳細については、MATLAB Answers://www.tatmou.com/matlabcentral/answers/455590-matlab-coder-how-do-i-build-the-arm-compute-library-for-deep-learning-c-code-generation-and-deploの投稿を参照してください。 |
オペレーティング システムのサポート | 视窗、Linux®およびmacOS。 |
视窗および Linux のみ。 |
C++ コンパイラ | MATLAB Coderでは、サポートされているインストール済みのコンパイラが検索されて使用されます。サポートされているコンパイラのリストについては、MathWorks®Web サイトのサポートされるコンパイラを参照してください。
C++ コンパイラで C++11 がサポートされていなければなりません。 窗口ではでは |
|
その他 | 手臂ベースの深層学習例には,开源计算机视觉Library (OpenCV) v3.1.0 が必要です。 メモ:例例は 詳細については、OpenCV のドキュメントを参照してください。 |
MATLAB Coderは,をして学习ネットワークコード生成必要なライブラリを见つけます。
プラットフォーム | 変数名 | 説明 |
---|---|---|
视窗 | INTEL_MKLDNN |
Intel MKL-DNN ライブラリ インストールのルート フォルダーへのパス。 以下に例を示します。
|
ARM_COMPUTELIB |
ARM ターゲット ハードウェアにインストールされる ARM Compute Library のルート フォルダーへのパス。 以下に例を示します。
ARM ターゲット ハードウェアで |
|
路径 |
Intel MKL-DNN ライブラリ フォルダーへのパス。 以下に例を示します。
|
|
Linux | LD_LIBRARY_PATH |
Intel MKL-DNN ライブラリ フォルダーへのパス。 以下に例を示します。
|
ターゲット ハードウェアの ARM Compute Library フォルダーへのパス。 以下に例を示します。
ARM ターゲット ハードウェアで |
||
INTEL_MKLDNN |
Intel MKL-DNN ライブラリ インストールのルート フォルダーへのパス。 以下に例を示します。
|
|
ARM_COMPUTELIB |
ARM ターゲット ハードウェアにインストールされる ARM Compute Library のルート フォルダーへのパス。 以下に例を示します。
ARM ターゲット ハードウェアで |
|
macOS | INTEL_MKLDNN |
Intel MKL-DNN ライブラリ インストールのルート フォルダーへのパス。 以下に例を示します。
|
ARM ターゲット上の UNIX®ベースの OS | OPENCV_DIR |
OpenCV のビルド フォルダーへのパス。OpenCV を使用する深層学習例のために、OpenCV をインストールします。 以下に例を示します。
|
メモ
MATLAB Support Package for Raspberry Pi™ Hardwareを使用して Raspberry Pi 向けのコードを生成するには、環境変数を非対話型で設定しなければなりません。詳細については//www.tatmou.com/matlabcentral/answers/455591-matlab-coder-how-do-i-i-setup-the-environment-variaiables-arm-arm-arm-arm-arm-arm-to-to-to-to-to-to-to-to-to-to-to-to-the-the-the-the-the-the-the-the-the-the-arm-arm-compute-liを参照してください。
メモ
OpenCV を使用する例を作成して実行するには、ターゲット ボードに OpenCV ライブラリをインストールしなければなりません。Linux に OpenCV をインストールする場合は、ライブラリ ファイルへのパスと、ヘッダー ファイルへのパスがシステム パスにあることを確認してください。既定では、ライブラリ ファイルとヘッダー ファイルは/usr/local/lib/
や/usr/local/include/opencv
などの標準の場所にそれぞれインストールされます。
ターゲット ボードに OpenCV をインストールする場合は、前の表で説明しているように環境変数OPENCV_DIR
と路径
を設定します。