GPU Coder™启用可以为深度学习,嵌入式愿景和自主系统生成优化的C ++代码。生成的代码调用:
•优化NVIDIA CUDA库,可用于所有NVIDIA GPU平台上的原型设计
•优化的ARM库,可用于ARM Mali GPU平台上的原型设计
您可以将各种培训的深度学习网络(如yolov2,Reset-50,Segnet,MobileNet等)部署到深度学习工具箱™到NVIDIA GPU。您可以生成优化的代码,用于预处理和后处理以及培训的深度学习网络以部署完整的算法。
金宝app这里列出了支持的网络和图层:
•//www.tatmou.com/help/gpucoder/ug/gpucoder-金宝appsupported-networks-layers.html.
用于深度学习库的GPU编码器界面提供了通过利用嵌入目标上的目标特定库来自定义生成的代码的能力。使用此支持包,您可以金宝app与为特定GPU目标进行优化的库集成,例如用于NVIDIA GPU的TensorR库或Arm Mali GPU的TensorRT库。
用于深度学习的GPU编码器界面与以下深度学习加速器库和相应的GPU架构集成:
•Cudnn和Nvidia GPU的Renstrt库
•ARM计算ARM Mali GPU的库
此硬件支持包是R2018B及金宝app更高的功能。
除了使用Deep Learning Toolbox的预测功能(“加速”,MEX“)名称 - 值对选项之外,它需要GPU编码器。
如果您有下载或安装问题,请联系技术支持 -金宝app//www.tatmou.com/金宝appsupport/contact_us.html.
[R2019B的更新]
•为CUDNN目标添加WordEmbeddi金宝appngLayer的代码生成支持
•为所有目标添加VC ++ 2019 Compil金宝apper支持CNNCodegen(CUDNN,Tensorrt)
•为所有目标金宝app添加对ONNX身份层的支持(CUDNN,Tensorrt,ARM MARI)
•支金宝app持CUDNN的CONCTENATIONLAYER CODEGEN
•为Arm 金宝appMali添加对Crop2dlayer的支持。这使得能够支持对语义分割的金宝app完全卷积网络
请注意:在R2020B中,您可能会遇到安装错误。有关如何解决IT的详细信息,请参阅此页面:
//www.tatmou.com/matlabcentral/answers/651078-installation-failure-for-matlab-coder-interface-for-deep-learning-libraries-dpu-coder-interface.