Generazione di codice di Deep Learning

Generare codice per le reti neurali profonde preaddestrate. È possibile accelerare la simulazione degli algoritmi in MATLAB^® o Simulink^® utilizzando diversi ambienti di esecuzione. Utilizzando i pacchetti di supporto, è inoltre possibile generare e distribuire il codice C/C++, CUDA e HDL sull’hardware target.

Utilizzare Deep Learning Toolbox™ insieme al pacchetto di supporto Deep Learning Toolbox Model Quantization Library per ridurre l'ingombro di memoria e i requisiti di calcolo di una rete neurale profonda quantizzando i pesi, i bias e le attivazioni dei livelli, in tipi di dati interi scalati a precisione ridotta. È possibile generare codice C/C++, CUDA o HDL da queste reti quantizzate.

Utilizzare MATLAB Coder™ o Simulink Coder insieme a Deep Learning Toolbox per generare codice CPU MEX o autonomo da eseguire su target desktop o integrati. È possibile distribuire il codice autonomo che utilizza la libreria Intel^® MKL-DNN o la libreria ARM^® Calcola. In alternativa, è possibile generare codice CPU generico che non richiama funzioni di libreria di terze parti.

Utilizzare GPU Coder™ insieme a Deep Learning Toolbox per generare codice CUDA MEX o CUDA autonomo da eseguire su target desktop o integrati. È possibile distribuire il codice CUDA autonomo generato che utilizza la libreria di reti neurali profonde CUDA (cuDNN), la libreria di inferenza ad alte prestazioni TensorRT™ o la libreria ARM Calcola per GPU Mali.

Utilizzare Deep Learning HDL Toolbox™ insieme a Deep Learning Toolbox per generare codice HDL per le reti preaddestrate. È possibile distribuire il codice HDL generato su Intel e sui dispositivi Xilinx^® FPGA e SoC.