为预先训练的深度神经网络生成代码。你可以在MATLAB中加速算法的模拟^®或仿真金宝app软件^®通过使用不同的执行环境。通过使用支持包，您金宝app还可以在目标硬件上生成和部署C/ c++、CUDA和HDL代码。

使用深度学习工具箱™与深度学习工具箱模型量化库金宝app支持包减少内存占用和深度神经网络的计算需求，通过量化层的权重、偏差和激活来降低精度缩放的整数数据类型。然后，您可以从这些量化网络生成C/ c++、CUDA或HDL代码。

使用MATLAB编码器™或金宝app仿真软件编码器与深度学习工具箱一起生成运行在桌面或嵌入式目标上的MEX或独立CPU代码。您可以部署生成的使用Intel的独立代码^®MKL-DNN库或ARM^®计算库。或者，您可以生成不调用第三方库函数的通用CPU代码。

使用GPU编码器™与深度学习工具箱一起生成CUDA MEX或独立的CUDA代码，运行在桌面或嵌入式目标。您可以部署生成的独立CUDA代码，使用CUDA深度神经网络库(cuDNN)， TensorRT™高性能推理库，或马里GPU的ARM计算库。

使用深度学习HDL工具箱™与深度学习工具箱一起生成预训练网络的HDL代码。您可以将生成的HDL代码部署到Intel和Xilinx上^®FPGA和SoC器件。