深度学习代码生成
生成C/ c++, CUDA®,或HDL代码,并部署深度学习网络
为预训练深度神经网络生成代码。您可以在MATLAB中加速算法的仿真®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支持包通过量化权重、偏差和层的激活来降低精度缩放的整数数据类型,从而减少深度神经网络的内存占用和计算需求。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在桌面或嵌入式目标上运行的MEX或独立CPU代码。您可以部署使用Intel®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 Coder™与深度学习工具箱一起生成在桌面或嵌入式目标上运行的CUDA MEX或独立CUDA代码。您可以部署生成的独立CUDA代码,这些代码使用CUDA深度神经网络库(cuDNN)、TensorRT™高性能推理库或Mali 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为预训练的网络生成HDL代码。生成的HDL代码可以部署在Intel和Xilinx上®FPGA和SoC器件。
代码生成基础
- 支持代码生成的网络和层金宝app(MATLAB编码器)
- 金宝app支持的网络、层和类(GPU编码器)
- 金宝app支持的网络、层、板和工具(深度学习HDL工具箱)
- 深度学习网络的代码生成
- 生成序列到序列深度学习Simulink模型的通用C/ c++金宝app(金宝app仿真软件编码器)
- 开始在英特尔Arria 10 SoC上部署深度学习FPGA(深度学习HDL工具箱)
类别
- 量化和修剪
通过执行量化或修剪来压缩深度神经网络 - 从MATLAB应用程序生成深度学习代码
生成C/ c++, GPU和HDL代码部署在桌面或嵌入式目标 - 从Simulink应用程序生成深度学习代码金宝app
生成C/ c++和GPU代码部署在桌面或嵌入式目标
相关信息
- 深度学习与MATLAB编码器(MATLAB编码器)
- 深度学习与GPU编码器(GPU编码器)
- 开始与深度学习HDL工具箱(深度学习HDL工具箱)