深度学习与GPU编码器
深度学习是机器学习的一个分支,教计算机做什么是自然对人类:从经验中学习。学习算法使用计算方法来“学习”信息直接从数据模型不依赖一个预先确定的方程。深度学习使用卷积神经网络(cnn)学习有用的数据直接从图像表示。神经网络结合多个非线性处理层,使用简单的元素和灵感来自生物神经系统并行操作。深度学习模型训练通过使用大量的标记数据和神经网络架构,包含很多层,通常包括一些回旋的层。
您可以使用GPU编码器™与深度学习工具箱™来生成代码和部署使用NVIDIA的CNN在多个嵌入式平台®或手臂®GPU处理器。深入学习MATLAB工具箱提供了简单®命令用于创建和连接的层深的神经网络。pretrained网络的可用性和图像识别等例子和驾驶员辅助应用程序使您能够使用GPU编码器进行深度学习,没有神经网络专家知识,深入学习,或者先进的计算机视觉算法。
应用程序
功能
对象
金宝app仿真软件配置参数
主题
MATLAB
创建一个SeriesNetwork
,DAGNetwork
,yolov2ObjectDetector
,ssdObjectDetector
,或dlnetwork
对象代码生成。
生成代码pretrained卷积神经网络通过使用cuDNN库。
生成代码pretrained卷积神经网络通过使用TensorRT库。
生成c++代码从深入学习网络预测针对手臂马里GPU处理器。
执行post代码生成更新深度学习网络参数。
基本数据布局考虑编写例子主要功能。
理解影响的量化和卷积如何可视化动态范围的网络层。
数字转换和生成代码pretrained卷积神经网络。
这个例子展示了如何生成CUDA®代码从深学习网络,由一个表示SeriesNetwork
对象。
这个例子展示了如何生成CUDA®墨西哥人的交通标志检测与识别应用程序代码使用深度学习。
这个例子显示了商标分类代码生成应用程序,使用深度学习。
这个例子显示了一个代码生成图像分割的应用程序,使用深度学习。
这个例子显示了一个代码生成图像分割的应用程序,使用深度学习。
这个例子展示了如何生成CUDA®墨西哥人从MATLAB®代码和降噪灰度图像通过去噪卷积神经网络(DnCNN [1])。
金宝app
深度学习模型的模拟和生成代码中使用MATLAB仿真软件的功能模块。金宝app
深度学习模型在仿真软件模拟和生成代码块使用图书馆。金宝app
构建和部署NVIDIA GPU董事会。