最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

深層学習のコード生成

MATLAB® コードまたは CUDA® および C++ コードの生成と深層学習ネットワークの配布

ディープ ネットワーク デザイナーを使用して MATLAB コードを生成し、ネットワークを再作成します。

MATLAB Coder™ または GPU Coder™ を Deep Learning Toolbox™ と共に使用して、C++ または CUDA コードを生成し、Intel®、ARM®、または NVIDIA® Tegra® プロセッサを使用する組み込みプラットフォームに畳み込みニューラル ネットワークを配布します。

トピック

MATLAB コードの生成

ディープ ネットワーク デザイナーからの MATLAB コードの生成

MATLAB コードを生成して、ディープ ネットワーク デザイナーで作成または編集されたネットワークを再作成します。

GPU コード生成

GPU Coder を使用した深層学習 (GPU Coder)

深層学習ニューラル ネットワークの CUDA コードを生成する

深層学習ネットワークのコード生成

この例では、深層学習を使用するイメージ分類用途のコード生成を実行する方法を説明します。

Code Generation for a Sequence-to-Sequence LSTM Network

This example demonstrates how to generate CUDA® code for a long short-term memory (LSTM) network. The example generates a MEX application that makes predictions at each step of an input timeseries. Two methods are demonstrated: a method using a standard LSTM network, and a method leveraging the stateful behavior of the same LSTM network. This example uses accelerometer sensor data from a smartphone carried on the body and makes predictions on the activity of the wearer. User movements are classified into one of five categories, namely dancing, running, sitting, standing, and walking. The example uses a pretrained LSTM network. For more information on training, see the Sequence Classification Using Deep Learning example from Deep Learning Toolbox™.

Deep Learning Prediction on ARM Mali GPU

This example shows how to use the cnncodegen function to generate code for an image classification application that uses deep learning on ARM® Mali GPUs. The example uses the MobileNet-v2 DAG network to perform image classification. The generated code takes advantage of the ARM Compute library for computer vision and machine learning.

Code Generation for Object Detection by Using YOLO v2

This example shows how to generate CUDA® MEX for a you only look once (YOLO) v2 object detector. A YOLO v2 object detection network is composed of two subnetworks. A feature extraction network followed by a detection network. This example generates code for the network trained in the Object Detection Using YOLO v2 Deep Learning example from Computer Vision Toolbox™. For more information, see Object Detection Using YOLO v2 Deep Learning (Computer Vision Toolbox). You can modify this example to generate CUDA® MEX for the network imported in the Import Pretrained ONNX YOLO v2 Object Detector example from Computer Vision Toolbox™. For more information, see Import Pretrained ONNX YOLO v2 Object Detector (Computer Vision Toolbox).

GPU Coder により最適化された車線検出

この例では、SeriesNetwork オブジェクトによって表された深層学習ネットワークから CUDA® コードを生成する方法を説明します。

Integrating Deep Learning with GPU Coder into Simulink

This example shows how to integrate the CUDA® code generated for a deep learning network into Simulink®. GPU coder™ does not support code generation for Simulink blocks but you can still use the computational power of GPUs in Simulink by generating a dynamic linked library (dll) with GPU Coder and then integrating it into Simulink as an S-Function block by using the legacy code tool. For more information, see legacy_code. To illustrate this concept, the example uses GPU Coder により最適化された車線検出 (GPU Coder). The original example used a C++ file with OpenCV functions to read the frames, draw lanes, and overlay frame rate information on the video output. This example uses Simulink blocks from the Computer Vision System Toolbox™ to perform the same operations.

Deep Learning Prediction by Using NVIDIA TensorRT

This example shows code generation for a deep learning application by using the NVIDIA TensorRT™ library. It uses the codegen command to generate a MEX file to perform prediction with a ResNet-50 image classification network by using TensorRT. A second example demonstrates usage of codegen command to generate a MEX file that performs 8-bit integer prediction by using TensorRT for a logo classification network.

Deep Learning Prediction by Using Different Batch Sizes

This example demonstrates code generation with batch sizes greater than 1. This demo contains two examples, first, uses cnncodegen to generate code which takes in a batch of images as input. The second example creates MEX file using codegen and passes a batch of images as input.

交通標識の検出と認識

この例では、深層学習を使用する交通標識の検出および認識用途の CUDA® MEX コードを生成する方法を説明します。

ロゴ認識ネットワーク

この例では、深層学習を使用するロゴ分類用途のコード生成を説明します。

歩行者の検出

この例では、深層学習を使用する歩行者検出用途のコード生成を説明します。

ノイズ除去深層ニューラル ネットワークのコード生成

この例では、ノイズ除去畳み込みニューラル ネットワーク (DnCNN [1]) を使用して、MATLAB® コードから CUDA® MEX を生成し、グレースケール イメージのノイズを除去する方法を説明します。

セマンティック セグメンテーション ネットワークのコード生成

この例では、深層学習を使用するイメージ セグメンテーション用途のコード生成を説明します。

Train and Deploy Fully Convolutional Networks for Semantic Segmentation

This example shows how to train and deploy a fully convolutional semantic segmentation network on an NVIDIA® GPU by using GPU Coder™.

Code Generation for Semantic Segmentation Network by Using U-net

This example shows code generation for an image segmentation application that uses deep learning. It uses the codegen command to generate a MEX function that performs prediction on a DAG Network object for U-Net, a deep learning network for image segmentation.

ARM Mali GPU での深層学習の予測 (GPU Coder)

この例では、関数 cnncodegen を使用して、ARM® Mali GPU での深層学習を使用するイメージ分類アプリケーションのコードを生成する方法を説明します。

sequence-to-sequence LSTM ネットワーク向けのコード生成 (GPU Coder)

この例では、長短期記憶 (LSTM) ネットワーク用の CUDA® コードを生成する方法を説明します。

CPU コード生成

Code Generation for Deep Learning on ARM Targets

This example shows how to generate and deploy code for prediction on an ARM®-based device without using a hardware support package.

Code Generation for Deep Learning on Raspberry Pi

This example shows how to generate and deploy code for prediction on a Raspberry Pi™ by using codegen with the MATLAB Support Package for Raspberry Pi Hardware.

Deep Learning Prediction with ARM Compute Using cnncodegen

This example shows how to use cnncodegen to generate code for a Logo classification application that uses deep learning on ARM® processors. The logo classification application uses the LogoNet series network to perform logo recognition from images. The generated code takes advantage of the ARM Compute library for computer vision and machine learning.

Intel MKL-DNN による深層学習での予測

この例では、codegen 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。

Generate C++ Code for Object Detection Using YOLO v2 and Intel MKL-DNN

This example shows how to generate C++ code for the YOLO v2 Object detection network on an Intel® processor. The generated code uses the Intel Math Kernel Library for Deep Neural Networks (MKL-DNN).

Code Generation and Deployment of MobileNet-v2 Network to Raspberry Pi

This example shows how to generate and deploy C++ code that uses the MobileNet-v2 pretrained network for object prediction.

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 または DAGNetwork オブジェクトを作成。

MATLAB Coder を使用した深層学習 (MATLAB Coder)

深層学習ニューラル ネットワークの C++ コードの生成 (Deep Learning Toolbox が必要)

注目の例