딥러닝 코드 생성 기본 사항

딥러닝 신경망을 위한 코드를 생성하는 데 사용할 수 있는 함수, 객체, 워크플로

GPU Coder™를 Deep Learning Toolbox™와 함께 사용하여 코드를 생성하고 NVIDIA^® 또는 ARM^® GPU 프로세서를 사용하는 여러 임베디드 플랫폼에 CNN을 배포할 수 있습니다. Deep Learning Toolbox는 심층 신경망의 계층을 만들고 상호 연결하는 간단한 MATLAB^® 명령을 제공합니다. 사전 훈련된 신경망과 영상 인식, 운전자 보조 애플리케이션 같은 다양한 예제가 제공되기 때문에 신경망, 딥러닝 또는 고급 컴퓨터 비전 알고리즘에 대한 전문 지식이 없어도 GPU Coder를 딥러닝에 사용할 수 있습니다.

앱

모두 확장

GPU Coder

GPU Coder	MATLAB 코드에서 GPU 코드 생성
GPU 환경 검사	GPU 코드 생성 환경에 대한 확인과 설정

함수

모두 확장

코드 생성

`codegen`	Generate C/C++ code from MATLAB code
`cnncodegen`	Generate code for a deep learning network to target the ARM Mali GPU
`coder.loadDeepLearningNetwork`	Load deep learning network model
`coder.DeepLearningConfig`	Create deep learning code generation configuration objects
`analyzeNetworkForCodegen`	Analyze deep learning network for code generation (R2022b 이후)
`coder.regenerateDeepLearningParameters`	Regenerate files containing network learnables and states parameters (R2021b 이후)

객체

모두 확장

코드 구성

`coder.CuDNNConfig`	Parameters to configure deep learning code generation with the CUDA Deep Neural Network library
`coder.TensorRTConfig`	Parameters to configure deep learning code generation with the NVIDIA TensorRT library
`coder.gpuConfig`	Configuration parameters for CUDA code generation from MATLAB code by using GPU Coder
`coder.gpuEnvConfig`	Configuration object containing the parameters to check the GPU code generation environment

기본 사항

Code Generation Overview

Overview of CUDA^® code generation workflow for convolutional neural networks.

Load Pretrained Networks for Code Generation

Create a SeriesNetwork, DAGNetwork, yolov2ObjectDetector, ssdObjectDetector, or dlnetwork object for code generation.

지원되는 신경망, 계층 및 클래스

코드 생성에 지원되는 신경망, 계층 및 클래스.

Analyze Network for Code Generation

Check code generation compatibility of a deep learning network.

Code Generation for dlarray

Use deep learning arrays in MATLAB code intended for code generation.

dlarray Limitations for Code Generation

Adhere to code generation limitations for deep learning arrays.

Analyze Performance of Code Generated for Deep Learning Networks

Analyze and optimize the performance of the generated CUDA code for deep learning networks.

도움말 항목

Data Layout Considerations in Deep Learning
Fundamental data layout considerations for authoring example main functions.
Quantization of Deep Neural Networks
Understand effects of quantization and how to visualize dynamic ranges of network convolution layers.
Update Network Parameters After Code Generation
Perform post code generation updates of deep learning network parameters.
Code Generation for Deep Learning Networks by Using cuDNN
Generate code for pretrained convolutional neural networks by using the cuDNN library.
Code Generation for Deep Learning Networks by Using TensorRT
Generate code for pretrained convolutional neural networks by using the TensorRT library.
Code Generation for Deep Learning Networks Targeting ARM Mali GPUs
Generate C++ code for prediction from a deep learning network targeting an ARM Mali GPU processor.
생성된 CNN 클래스의 계층 구조
생성된 CNN 클래스의 아키텍처와 메서드.