小迈步第二课：MATLAB深度学习入门之树莓派与GPU应用

概述

深度学习在训练阶段常用GPU来加速，在推断阶段可以用CPU、GPU、FPGA等硬件实现。在计算资源有限的树莓派（Raspberry Pi）上如何运行复杂的深度神经网络？对CUDA 代码一无所知，如何玩转NVIDIA GPU？

本次微直播紧跟“小迈步第一课：MATLAB深度学习入门课堂”，通过具体MATLAB代码演示与操作，带领大家学习在树莓派ARM CPU和NVIDIA GPU上实现深度学习物品识别。

本次课堂，您将会学习如何将预训练网络自动生成C++ 或者CUDA代码，跨越手写代码的障碍。你还将学会如何使用MATLAB快速对树莓派编程，我们将从如何下载和设置MATLAB对树莓派硬件的支持包开始，到如何使用网络摄像头给大家进行详细的讲解。

课前准备： 

1. 建议参课者先行观看“小迈步第一课：MATLAB深度学习入门课堂”。

• 小迈步第一课：MATLAB深度学习入门课堂（上） (27:34)
• 小迈步第一课：MATLAB深度学习入门课堂（下） (29:25)

2. 建议参课者先行完成以下两门在线课程。

• MATLAB 入门之旅
• 深度学习入门之旅

亮点包括

本期课程内容：

1. 课程准备篇

• 基于项目学习与有趣实例
• 树莓派、NVIDIA GPU与MATLAB连接
• 自动售卖机实例：在 CPU 和 GPU 上运行深度神经网络，实现商品识别

2. 前期“深度学习入门”小迈步课堂回顾

• 迁移学习的力量
• 轻量级CNN模型之SqueezeNet
• 使用 GPU，训练新网络

3. 在树莓派上实现物品识别

• MATLAB 嵌入式代码生成技术
• 将SqueezeNet生成 C++代码
• 构建基于ARM Compute Library的可执行程序
• 物品识别与效率评测

4. 在NVIDIA GPU上实现物体识别

• 连接MATLAB 与网络摄像头
• SqueezeNet自动 CUDA代码生成
• 实时图像捕捉与识别

立即注册小迈步第二课：MATLAB深度学习入门之树莓派与GPU应用。扫描下方二维码 

关于演示者

阮卡佳，MathWorks 中国高校团队高级工程师。毕业于浙江大学和伦敦帝国理工学院，在MATLAB 数据科学、Simulink 建模仿真、以及自动代码生成领域有多年工作经验；曾就职于 Altera （Intel FPGA）和 Nortel Networks。

产品聚焦

• Deep Learning Toolbox
• GPU Coder
• MATLAB Coder
• MATLAB
• Simulink