Génération de code de Deep Learning

Générez du code pour des réseaux de neurones profonds préentraînés. Vous pouvez accélérer la simulation de vos algorithmes dans MATLAB^® ou Simulink^® avec différents environnements d’exécution. Avec des support packages, vous pouvez également générer et déployer du code C/C++, CUDA et HDL sur du hardware cible.

Utilisez Deep Learning Toolbox™ avec Deep Learning Toolbox Model Quantization Library support package pour réduire l’empreinte mémoire et les exigences de calcul d’un réseau de neurones profond en quantifiant les poids, biais et activations des couches sur des entiers mis à l’échelle et à précision réduite. Vous pouvez ensuite générer du code C/C++, CUDA ou HDL à partir de ces réseaux quantifiés.

Utilisez MATLAB Coder™ ou Simulink Coder avec Deep Learning Toolbox pour générer du code MEX ou CPU autonome exécuté sur un ordinateur ou des cibles embarquées. Vous pouvez déployer le code autonome généré qui utilise Intel^® MKL-DNN Library ou ARM^® Compute Library. Vous pouvez également générer du code CPU générique qui n’appelle pas de fonction de bibliothèque tierce.

Utilisez GPU Coder™ avec Deep Learning Toolbox pour générer du code CUDA MEX ou CUDA autonome exécuté sur un ordinateur ou des cibles embarquées. Vous pouvez déployer le code CUDA autonome et généré, qui utilise CUDA Deep Neural Network library (cuDNN), TensorRT™ high performance inference library ou ARM Compute library for Mali GPU.

Utilisez Deep Learning HDL Toolbox™ avec Deep Learning Toolbox pour générer du code HDL pour des réseaux préentraînés. Vous pouvez déployer le code HDL généré sur des cartes FPGA et SoC Intel et Xilinx^®.