Ram Cherukuri MathWorks
了解如何使用NVIDIA的GPU编码器硬件支持包金宝app®gpu原型,验证,并部署您的深度学习模型和算法在MATLAB®对于嵌入式愿景,在NVIDIA GPU上的自主驾驶应用,如NVIDIA驱动器和Jetson平台。您可以使用连接到Matlab中的NVIDIA Drive或Jetson平台的传感器的实时数据来验证算法并验证算法。您还可以使用Matlab中的验证数据运行硬件循环测试。最后,您可以交叉编译并将应用程序部署到NVIDIA GPU。
GPU编码器生成可移植和优化的CUDA代码,为您的完整,在MATLAB中的深度学习算法,其中包括预处理和后处理应用逻辑以及训练的神经网络。
使用GPU编码器硬件支持包进行NVIDIA GPU使用,您金宝app可以直接从Matlab到Nvidia GPU构建和部署算法,推荐NVIDIA Drive和Jetson平台直接从Matlab。
这里我们有语义分割算法部署在一个驱动器PX2。类似地,在Jetson Xavier上,我们运行了语义分割应用程序。
一旦你在MATLAB中构建了你的深度学习算法,硬件支持包让我们使用来自硬件的实时数据原型你的算法。金宝app在部署到目标之前,您可以在工作站上测试算法的健壮性。
例如,我们在MATLAB中有一个围绕训练过的VGG网络构建的深度学习算法,这里以语义分割为例。它在我的测试图像输入上工作得很好。
现在,使用由支持包提供的这些API,我可以连接到NVIDIA驱动板,从连接到电路板的相机传感器金宝app读取输入,并在MATLAB中运行推断。我们在我们的一名实验室中有一个干燥的PX2,我们有相机指出窗外,俯瞰新英格兰的一些叶子。
你可以看到算法在实时数据上是有效的。有一些工件,比如云和构造,它们不是训练数据的一部分。因此,我可以迭代和更新算法,以提高其鲁棒性。
下一步是使用这里所示的代码生成api从算法生成代码。您可以使用这些api在Windows或Linux机器上构建和部署您的应用程序到目标GPU。生成的代码包括摄像头的接口和驱动器上的显示器。
下面是根据生成的代码编译的语义分割应用程序,我们可以在驱动器PX2上作为独立的应用程序启动它。遵循类似的工作流程,只改变了几个选项,我们也在Jetson Xavier的面板上部署了相同的算法。
要了解更多信息,请参考下面的GPU编码器资源链接,你可以从附加组件库下载支持包来尝试这个示例。金宝app
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。