本页对应的英文页面已更新,但尚未翻译。 若要查看最新内容,请点击此处访问英文页面。

深度学习代码生成

生成 CUDA® 和 C++ 代码并部署深度学习网络

MATLAB® Coder™ 或 GPU Coder™ 与 Deep Learning Toolbox™ 一起使用以生成 C++ 或 CUDA 代码,并在使用 Intel®、ARM®NVIDIA® Tegra® 处理器的嵌入式平台上部署卷积神经网络。

主题

深度学习网络的代码生成

此示例演示如何为使用深度学习的图像分类应用程序生成代码。它使用 codegen 命令生成一个 MEX 函数,该函数使用流行的图像分类网络(如 AlexNet、ResNet 和 GoogLeNet)运行预测。

使用 GPU Coder 优化车道检测

此示例说明如何从表示为 SeriesNetwork 对象的深度学习网络生成 CUDA® 代码。此示例中的 SeriesNetwork 是一个卷积神经网络,可以从图像中检测并输出车道标记边界。

交通标志检测和识别

此示例说明如何为使用深度学习的交通标志检测和识别应用情形生成 CUDA® MEX 代码。交通标志检测和识别是驾驶辅助系统的重要应用,可辅助并向驾驶员提供有关道路标志的信息。

徽标识别网络

此示例演示如何为使用深度学习的徽标分类应用程序生成代码。它使用 codegen 命令生成 MEX 函数,该函数对名为 LogoNet 的 SeriesNetwork 对象运行预测。

行人检测

此示例演示如何为使用深度学习的行人检测应用程序生成代码。行人检测是计算机视觉的一个关键问题,在自动驾驶、监控、机器人等领域都有诸多应用。

在 NVIDIA Jetson TX2 开发套件上运行嵌入式应用程序

此示例说明如何从 SeriesNetwork 对象生成 CUDA® 代码并将连接了外部照相机的 NVIDIA® TX2 开发板作为目标。此示例使用 AlexNet 深度学习网络对来自 USB 网络摄像机视频流的图像进行分类。

使用 Intel MKL-DNN 进行深度学习预测

此示例说明如何使用 codegen 为在 Intel® 处理器上使用深度学习的图像分类应用程序生成代码。生成的代码利用了用于深度神经网络的 Intel 数学核心函数库 (MKL-DNN)。首先,该示例生成一个 MEX 函数,该函数使用 ResNet-50 图像分类网络来运行预测。然后,该示例会构建一个静态库,并使用通过 ResNet-50 图像分类网络来运行预测的主文件对该静态库进行编译。

对象检测

此示例说明如何从为 YOLO 架构创建的 SeriesNetwork 对象生成 CUDA® 代码,其中 YOLO 是一个经过训练,可以对 PASCAL 数据集进行分类的架构。YOLO 是一种对象检测网络,可以对图像帧中的对象和这些对象的位置进行分类 [1]。

去噪深度神经网络的代码生成

此示例说明如何从 MATLAB® 代码生成 CUDA® MEX,以及如何使用去噪卷积神经网络 (DnCNN [1]) 对灰度图像进行去噪。去噪网络可用于估计含噪图像中的噪声,然后将其去除以获得去噪图像。

语义分割网络的代码生成

此示例演示如何为使用深度学习的图像分割应用程序生成代码。它使用 codegen 命令生成一个 MEX 函数,对 SegNet [1] 的 DAG 网络对象运行预测。SegNet 是一种用于图像分割的流行深度学习网络。

特色示例