代码生成 -凯发k8网页登录

为预训练的深度神经网络生成代码。通过使用不同的执行环境，您可以在 matlab^® 或 simulink^® 中加速算法的仿真。通过使用支持包，您还可以生成 c/c 、cuda 和 hdl 代码并将其部署在目标硬件上。

将 deep learning toolbox™ 与 deep learning toolbox model quantization library 支持包结合使用，通过将层的权重、偏置和激活量化为精度降低的缩放整数数据类型，减少深度神经网络的内存占用和计算要求。然后，您可以从这些量化的网络中生成 c/c 、cuda 或 hdl 代码。

将 matlab coder™ 或 simulink coder 与 deep learning toolbox 结合使用，生成在桌面或嵌入式目标上运行的 mex 或独立 cpu 代码。您可以部署生成的使用 intel^® mkl-dnn 库或 arm^® compute 库的独立代码。您也可以生成不调用第三方库函数的泛型 cpu 代码。

将 gpu coder™ 与 deep learning toolbox 结合使用，生成在桌面或嵌入式目标上运行的 cuda mex 或独立 cuda 代码。您可以部署生成的独立 cuda 代码，该代码使用 cuda 深度神经网络库 (cudnn)、tensorrt™ 高性能推理库或 mali gpu 的 arm compute 库。

将 deep learning hdl toolbox™ 与 deep learning toolbox 结合使用，为预训练网络生成 hdl 代码。您可以将生成的 hdl 代码部署在 intel 与 xilinx^® fpga 和 soc 设备上。