GPU Coder™可以为深度学习、嵌入式视觉和自主系统生成优化的c++代码。生成的代码调用:
•优化了NVIDIA CUDA库，可用于所有NVIDIA GPU平台上的原型设计
•优化的ARM库，可用于在ARM Mali GPU平台上的原型设计

您可以部署各种训练有素的深度学习网络，如YOLOv2, ResNet-50, SegNet, MobileNet等，从深度学习工具箱™到NVIDIA gpu。您可以生成用于预处理和后处理的优化代码，以及经过训练的深度学习网络，以部署完整的算法。

金宝app支持的网络和层列在这里:
•//www.tatmou.com/help/gpucoder/ug/gpucoder-金宝appsupported-networks-layers.html

深度学习库的GPU编码器界面通过利用嵌入目标上的目标特定库来提供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Deave Learning，如NVIDIA GPU或ARM计算库的TensorRT库进行Arm Mali GPU。

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：
•用于NVIDIA gpu的cuDNN和TensorRT库
针对ARM Mali gpu的ARM计算库

此硬件支持包适用于R2018金宝appb及以上版本。

它需要GPU编码器，除非使用深度学习工具箱的预测函数(“加速”，“mex”)名称-值对选项。

如果您在下载或安装过程中遇到问题，请联系技术支持-金宝app//www.tatmou.com/金宝appsupport/contact_us.html

(R2019b更新)
•为CUDNN Target添加WordEm金宝appbeddingLayer的代码生成支持
•添加vc++ 2019编译器支持cnncodeg金宝appen用于所有目标(cuDNN, TensorRT)
•为所有目标金宝app(cuDNN, TensorRT, ARM Mali)添加对ONNX身份层的支持
•支金宝app持cuDNN的串联层codegen
增加了对AR金宝appM Mali的Crop2dLayer的支持。这使得对全卷积网络语义分割金宝app的支持成为可能