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。