MATLAB Coder Support Package for PyTorch® and LiteRT consente di generare codice sorgente C/C++ leggibile e portabile da una varietà di reti di Deep Learning pre-addrestrate PyTorch e LiteRT (precedentemente TensorFlow Lite). È possibile integrare l'applicazione completa, inclusi MATLAB e Simulink per lapre e post-elbaborazione e i modelli di Deep Learning, in progetti C/C++ esistenti come codice sorgente, librerie statiche o librerie dinamiche. È quindi possibile distribuire l'applicazione completa su diverse piattaforme hardware, dai sistemi desktop all'hardware embedded.
Il pacchetto di assistenza consente inoltre di generare codice CUDA ® da modelli PyTorch e LiteRT per le moderne GPU NVIDIA ®, comprese quelle integrate nelle piattaforme NVIDIA Jetson™ e NVIDIA Clara™ (con GPU Coder). È possibile applicare personalizzazioni del codice, ottimizzazioni specifiche per l'hardware e la verifica del codice utilizzando i test Software-In-the-Loop (SIL) e Processor-In-the-Loop (PIL) (con Embedded Coder). È inoltre possibile generare codice da modelli Simulink che contengono i modelli PyTorch e LiteRT (con Simulink Coder).
Punti principali del prodotto
Generazione di codice sorgente
Genera codice sorgente C/C++ leggibile e portabile da modelli PyTorch e LiteRT pre-addestrati, includendo la logica di pre-elaborazione e post-elaborazione. Distribuisci il codice generato royalty-free in applicazioni commerciali ai tuoi clienti senza alcun costo. In alternativa, utilizza intrinseci specifici del processore per target selezionati, inclusi i microcontrollori Infineon© AURIX™ TC4x (con Embedded Coder).
Esecuzione su hardware
Compila il codice generato ed eseguilo su qualsiasi hardware supportato dal tuo compilatore, dai sistemi desktop ai processori embedded e ai microcontrollori. Utilizzalo su qualsiasi dispositivo integrando manualmente il codice generato con la tua applicazione. Automatizza il processo per target selezionati utilizzando pacchetti di supporto hardware, inclusi il MATLAB Support Package for Raspberry Pi e MATLAB Coder Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms.
Ottimizzazione del codice generato
Genera istruzioni SIMD (Single Instruction, Multiple Data) e parallelizza i cicli con codice OpenMP multicore. Genera codice con intrinseci specifici del processore tramite Embedded Coder per target selezionati, inclusi i microcontrollori ARM® Cortex®-M, Cortex-A e Infineon AURIX TC4x per un’esecuzione più veloce.
Applicazioni di Deep Learning
Utilizza reti di Deep Learning provenienti da PyTorch e LiteRT per elaborare diversi tipi di dati e distribuisci le reti su hardware con risorse limitate.
Dati di segnali e serie temporali
Utilizza il Deep Learning su dati di segnali e serie temporali per attività come rilevamento di anomalie, classificazione dei segnali, stima dello stato di carica delle batterie e riconoscimento vocale. Genera codice e distribuisci reti basate su reti neurali ricorrenti (RNN), long short-term memory (LSTM)/gated recurrent units (GRU), transformer e autoencoder su CPU (inclusi ARM Cortex-M, Cortex-A, e Intel®) e GPU NVIDIA.
Dati di immagine e video
Utilizza il Deep Learning su immagini e video per classificare le immagini, rilevare e tracciare oggetti all’interno del frame e segmentare le regioni delle immagini e dei frame in diversi tipi di oggetti. Genera codice e distribuisci reti come YOLO11, DINOv2 e Depth Anything su CPU (inclusi ARM Cortex-A e Intel) e GPU NVIDIA.
Richiedi pacchetto di assistenza
Parla con un esperto tecnico.
