코드 생성

C/C++, CUDA^® 또는 HDL 코드 생성과 딥러닝 신경망 배포

사전 훈련된 심층 신경망용 코드를 생성합니다. 다양한 실행 환경을 사용하여 MATLAB^® 또는 Simulink^®에서 알고리즘 시뮬레이션을 가속화할 수 있습니다. 지원 패키지를 사용하여 타깃 하드웨어에 C/C++, CUDA 및 HDL 코드를 생성하고 배포할 수도 있습니다.

계층의 가중치, 편향 및 활성화를 낮은 정밀도로 스케일링된 정수 데이터형으로 양자화하여 심층 신경망의 메모리 사용량과 계산 요구 사항을 감소시키려면 Deep Learning Toolbox™를 Deep Learning Toolbox Model Quantization Library 지원 패키지와 함께 사용하십시오. 그런 다음 양자화된 이러한 신경망에서 C/C++, CUDA 또는 HDL 코드를 생성할 수 있습니다.

MATLAB Coder™ 또는 Simulink Coder를 Deep Learning Toolbox와 함께 사용하여 데스크탑 또는 임베디드 타깃에서 실행되는 MEX 또는 독립형 CPU 코드를 생성합니다. Intel^® MKL-DNN 라이브러리 또는 ARM^® Compute Library를 사용하는, 생성된 독립형 코드를 배포할 수 있습니다. 또는 타사 라이브러리 함수를 호출하지 않는 일반 CPU 코드를 생성할 수 있습니다.

GPU Coder™를 Deep Learning Toolbox와 함께 사용하여 데스크탑 또는 임베디드 타깃에서 실행되는 CUDA MEX 또는 독립형 CUDA 코드를 생성합니다. CUDA 심층 신경망 라이브러리(cuDNN), TensorRT™ 고성능 추론 라이브러리 또는 Mali GPU용 ARM Compute Library를 사용하는, 생성된 독립형 CUDA 코드를 배포할 수 있습니다.

Deep Learning HDL Toolbox™를 Deep Learning Toolbox와 함께 사용하여 사전 훈련된 신경망을 위한 HDL 코드를 생성합니다. 생성된 HDL 코드를 Intel과 Xilinx^® FPGA 및 SoC 기기에 배포할 수 있습니다.

Workflow diagram for code generation from deep neural networks.

코드 생성 기본

Networks and Layers Supported for Code Generation (MATLAB Coder)
Supported Networks, Layers, and Classes (GPU Coder)
Supported Networks, Layers, Boards, and Tools (Deep Learning HDL Toolbox)
딥러닝 신경망을 위한 코드 생성
Generate Generic C/C++ for Sequence-to-Sequence Deep Learning Simulink Models (Simulink Coder)
Get Started with Deep Learning FPGA Deployment on Intel Arria 10 SoC (Deep Learning HDL Toolbox)

범주

양자화, 사영, 가지치기
양자화, 사영 또는 가지치기를 수행하여 심층 신경망 압축
MATLAB 응용 프로그램에서 딥러닝 코드 생성
데스크탑 또는 임베디드 타깃 배포용 C/C++, GPU, HDL 코드 생성
Simulink 응용 프로그램에서 딥러닝 코드 생성
데스크탑 또는 임베디드 타깃 배포용 C/C++ 및 GPU 코드 생성

추천 예제

딥러닝 신경망을 위한 코드 생성

이 예제에서는 딥러닝을 사용하는 영상 분류 응용 사례에서 코드 생성을 수행하는 방법을 보여줍니다. 이 예제에서는 codegen 명령을 사용하여, MobileNet-v2, ResNet, GoogLeNet과 같은 영상 분류 신경망을 사용하여 예측을 실행하는 MEX 함수를 생성합니다.

라이브 스크립트 열기

Prune Image Classification Network Using Taylor Scores

Reduce the size of a deep neural network using Taylor pruning. By using the taylorPrunableNetwork function to remove convolution layer filters, you can reduce the overall network size and increase the inference speed.

라이브 스크립트 열기

Compress Neural Network Using Projection

Compress a neural network using projection and principal component analysis.

라이브 스크립트 열기

Quantize Residual Network Trained for Image Classification and Generate CUDA Code

Quantize the learnable parameters in the convolution layers of a deep learning neural network that has residual connections and has been trained for image classification with CIFAR-10 data.

라이브 스크립트 열기