Main Content

本页的翻译已过时。点击此处可查看最新英文版本。

深度学习代码生成

生成 C/C++、CUDA® 或 HDL 代码,并部署深度学习网络

为预训练的深度神经网络生成代码。通过使用不同执行环境,您可以在 MATLAB® 或 Simulink® 中加速算法的仿真。通过使用支持包,您还可以生成 C/C++、CUDA 和 HDL 代码并将其部署在目标硬件上。

将 Deep Learning Toolbox™ 与 Deep Learning Toolbox Model Quantization Library 支持包结合使用,通过将层的权重、偏置和激活量化为精度降低的缩放整数数据类型,减少深度神经网络的内存占用和计算要求。然后,您可以从这些量化的网络中生成 C/C++、CUDA 或 HDL 代码。

MATLAB Coder™Simulink Coder 与 Deep Learning Toolbox 结合使用,生成在桌面或嵌入式目标上运行的 MEX 或独立 CPU 代码。您可以部署生成的使用 Intel® MKL-DNN 库或 ARM® Compute 库的独立代码。您也可以生成不调用第三方库函数的泛型 CPU 代码。

将 GPU Coder™ 与 Deep Learning Toolbox 结合使用,生成在桌面或嵌入式目标上运行的 CUDA MEX 或独立 CUDA 代码。您可以部署生成的独立 CUDA 代码,该代码使用 CUDA 深度神经网络库 (cuDNN)、TensorRT™ 高性能推理库或 Mali GPU 的 ARM Compute 库。

将 Deep Learning HDL Toolbox™ 与 Deep Learning Toolbox 结合使用,为预训练网络生成 HDL 代码。您可以将生成的 HDL 代码部署在 Intel 与 Xilinx® FPGA 和 SoC 设备上。

Workflow diagram for code generation from deep neural networks.

类别