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”。
2. 建议参课者先行完成以下两门在线课程。
亮点包括
本期课程内容：
小迈步第二课：MATLAB深度学习入门之树莓派与GPU应用 （下）
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
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。
