Main Content

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。

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、ネットワークの構築と学習を行うための MATLAB コードを生成します。

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。

関数

dlquantizerQuantize a deep neural network to 8-bit scaled integer data types
dlquantizationOptionsOptions for quantizing a trained deep neural network
calibrateSimulate and collect ranges of a deep neural network
validateQuantize and validate a deep neural network

アプリ

ディープ ネットワーク量子化器Quantize a deep neural network to 8-bit scaled integer data types

トピック

深層学習のコード生成

深層ニュートラル ネットワークの量子化

量子化の影響とネットワーク畳み込み層のダイナミック レンジの可視化方法を学習します。

量子化された深層学習ネットワークのコード生成 (GPU Coder)

事前学習済み畳み込みニューラル ネットワークを量子化してコードを生成します。

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

ディープ ネットワーク デザイナーでネットワークの設計と学習を再作成する MATLAB コードを生成する。

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

車線検出と車両検出を実行する深層学習 Simulink モデルのコード生成 (GPU Coder)

この例では、車線検出と車両検出を実行する Simulink® モデルから、畳み込みニューラル ネットワーク (CNN) を使用して CUDA® アプリケーションを開発する方法を説明します。

ECG 信号を分類する深層学習 Simulink モデルのコード生成 (GPU Coder)

この例では、強力な信号処理手法と畳み込みニューラル ネットワークを組み合わせて使用して ECG 信号を分類する方法を示します。

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。

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

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。

ARM Mali GPU での深層学習の予測

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。

YOLO v2 を使用したオブジェクト検出のコードの生成

この例では、You Only Look Once (YOLO) v2 オブジェクト検出器用の CUDA® MEX を生成する方法を説明します。

YOLO v3 深層学習を使用したオブジェクト検出用のコード生成

この例では、カスタム層を使用した You Only Look Once (YOLO) v3 オブジェクト検出器用の CUDA® MEX を生成する方法を示します。

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。

NVIDIA TensorRT を使用した深層学習での予測

この例では、NVIDIA TensorRT™ ライブラリを使用した深層学習アプリケーションのコード生成について説明します。

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。

セマンティック セグメンテーション用の完全畳み込みネットワークの学習と展開

この例では、GPU Coder ™ を使用した NVIDIA® GPU での完全畳み込みセマンティック セグメンテーション ネットワークの学習および展開について説明します。

U-Net を使用したセマンティック 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。

CPU コード生成

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。

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。

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 SeriesNetworkDAGNetworkyolov2ObjectDetector または ssdObjectDetector オブジェクトを作成する。

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