使用 MATLAB 和 Simulink，您可以设计、仿真、测试、验证和部署 AI 算法，以增强复杂嵌入式系统的性能和功能。
使用 MATLAB 和 Simulink 部署嵌入式 AI
了解如何准备 AI 模型并自动生成代码，以将嵌入式 AI 应用部署到 CPU、GPU、FPGA 等。浏览教程、示例和视频，获取关于使用 MATLAB 和 Simulink 开发嵌入式 AI 的实用建议。
部署到 CPU 和微控制器
使用 MATLAB Coder 和 Simulink Coder 通过经训练的机器学习和深度学习模型生成可移植的优化 C/C++ 代码。
部署到 GPU
使用 GPU Coder 为经过训练的深度学习网络生成优化的 CUDA® 代码，以部署到桌面、服务器和嵌入式 GPU。
Deploy to FPGAs and SoCs
Prototype and implement deep learning networks on FPGAs and SoCs with Deep Learning HDL Toolbox. Generate custom deep learning processor IP cores and bitstreams with HDL Coder.
Deploy to NPUs
Generate optimized code for NPUs like Qualcomm Hexagon and Infineon PPU in AURIX TC4x.
AI Model Compression
Compress deep neural networks with quantization, projection, or pruning to reduce memory footprint and increase inference performance.
部署到 FPGA 和 SoC
使用 Deep Learning HDL Toolbox 在 FPGA 和 SoC 上进行深度学习网络的原型构建和实现。使用 HDL Coder 生成自定义深度学习处理器 IP 核和比特流。
AI Verification
AI verification applies rigorous methods like the W-shaped process to ensure intended behaviors and prevent unintended ones.
AI 模型压缩
使用量化、投影或剪枝来压缩深度神经网络，以减少内存占用并提高推断性能。
