このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
MATLAB アプリケーションからの CPU コードの生成
デスクトップまたは組み込みターゲットに展開するための C/C++ コードの生成
MATLAB® Coder™、Simulink® Coder、および Embedded Coder® を Deep Learning Toolbox™ と共に使用して、デスクトップまたは組み込みターゲットで実行される MEX コードまたはスタンドアロン CPU コードを生成します。Intel® MKL-DNN ライブラリまたは ARM® Compute ライブラリを使用する生成済みのスタンドアロン コードを展開できます。あるいは、サードパーティ ライブラリの関数を呼び出さない汎用の CPU コードを生成することもできます。TensorFlow™ Lite モデルを使用して推論を実行するコードの生成と展開を行うこともできます。
関数
codegen | MATLAB コードから C/C++ コードを生成する |
coder.getDeepLearningLayers | 特定の深層学習ライブラリのコード生成でサポートされる層のリストを取得する |
coder.loadDeepLearningNetwork | 深層学習ネットワーク モデルの読み込み |
coder.DeepLearningConfig | 深層学習コード生成構成オブジェクトを作成する |
loadTFLiteModel | Load TensorFlow Lite model (R2022a 以降) |
predict | Compute deep learning network output for inference by using a TensorFlow Lite model (R2022a 以降) |
TFLiteModel | TensorFlow Lite model (R2022a 以降) |
アプリ
MATLAB Coder | MATLAB コードからの C コードまたは MEX 関数の生成 |
トピック
概要
- コード生成でサポートされているネットワークとレイヤー (MATLAB Coder)
ターゲット プロセッサでサポートされている畳み込みニューラル ネットワークを選択します。 - コード生成のための事前学習済みネットワークの読み込み (MATLAB Coder)
コード生成のためのSeriesNetwork
、DAGNetwork
、yolov2ObjectDetector
、ssdObjectDetector
またはdlnetwork
オブジェクトを作成する。 - Code Generation for dlarray (MATLAB Coder)
Use deep learning arrays in MATLAB code intended for code generation. - Intel CPU での変分自己符号化器を使用した数字イメージの生成 (MATLAB Coder)
手書きの数字を生成するための学習済み VAE dlnetwork のコードを生成する。 - Prerequisites for Deep Learning with TensorFlow Lite Models
Install products and configure environment for simulation and code generation with TensorFlow Lite models.
用途
- ARM ターゲットでの深層学習用のコード生成
この例では、ハードウェア サポート パッケージを使用せずに、ARM® ベースのデバイス上で予測のためのコードを生成して展開する方法を説明します。 - codegen を使用した ARM Compute による深層学習の予測
この例では、codegen
を使用して、ARM® プロセッサでの深層学習を使用するロゴ分類用途のコードを生成する方法を説明します。 - Intel ターゲットでのさまざまなバッチ サイズの深層学習コードの生成
この例では、codegen
コマンドを使用して、Intel® プロセッサでの深層学習を使用するイメージ分類用途のコードを生成する方法を説明します。 - YOLO v2 と Intel MKL-DNN を使用したオブジェクト検出用 C++ コードの生成
この例では、Intel® プロセッサで YOLO v2 オブジェクト検出ネットワーク用の C++ コードを生成する方法を説明します。 - Raspberry Pi におけるウェーブレットおよび深層学習を使用した信号分類器の展開
スカログラムと深層畳み込みニューラル ネットワークを使用した Raspberry Pi® における人間の心電図信号の分類。 - Raspberry Pi での信号セグメンテーション ディープ ネットワークの展開
MEX 関数とスタンドアロンの実行可能ファイルを生成して Raspberry Pi 上で波形セグメンテーションを行います。 - MobileNet-v2 ネットワークのコード生成と Raspberry Pi への展開
この例では、MobileNet-v2 事前学習済みネットワークを使用してオブジェクト予測を行う C++ コードを生成して展開する方法を説明します。 - U-Net を使用する Intel CPU でのセマンティック セグメンテーション アプリケーションのコード生成
Intel CPU で深層学習ネットワーク U-Net を使用して、イメージ セグメンテーションを実行する MEX 関数を生成します。 - U-Net を使用する ARM Neon ターゲットでのセマンティック セグメンテーション アプリケーションのコード生成
ARM ターゲットで深層学習ネットワーク U-Net を使用して、イメージ セグメンテーションを実行するスタティック ライブラリを生成する。 - Raspberry Pi での LSTM ネットワークのコード生成
マシンの残存耐用期間 (RUI) を予測するために、事前学習済みの長期短期記憶ネットワークのコードを生成する。 - Intel MKL-DNN を使用した LSTM ネットワークのコード生成
入力時系列の各ステップの予測を行う、事前学習済みの LSTM ネットワークのコードを生成する。 - ARM Neon ターゲット用の深層学習コードのクロス コンパイル
ARM ハードウェア ターゲットに展開するために、ホスト コンピューター上にライブラリまたは実行可能なコードを生成する。 - Raspberry Pi での深層学習ネットワークの INT8 コードの生成 (MATLAB Coder)
8 ビット整数で推論計算を実行する深層学習ネットワークのコードを生成する。 - Generate Generic C/C++ Code for Sequence-to-Sequence Regression That Uses Deep Learning
Generate C/C++ code for a trained CNN that does not depend on any third-party libraries. - Generate Code for LSTM Network and Deploy on Cortex-M Target (MATLAB Coder)
Generate a Processor-In-the-Loop (PIL) executable that runs on an STM32F746G-Discovery board. - Generate Code for TensorFlow Lite (TFLite) Model and Deploy on Raspberry Pi
Generate code that uses a TensorFlow Lite model for inference. - Deploy Classification Application Using Mobilenet-V3 TensorFlow Lite Model on Host and Raspberry Pi
Generate code for a classification segmentation application that uses Tensorflow Lite model. - Deploy Semantic Segmentation Application Using TensorFlow Lite Model on Host and Raspberry Pi
Generate code for an image segmentation application that uses Tensorflow Lite model. - Deploy Super Resolution Application That Uses TensorFlow Lite (TFLite) Model on Host and Raspberry Pi
Generate code for a super resolution application that uses a TFLite model for inference. - Deploy Pose Estimation Application Using TensorFlow Lite Model (TFLite) Model on Host and Raspberry Pi
Simulate and generate code for a TensorFlow Lite model for 2D human pose estimation.