Deep Learning Code-Generierung aus Simulink-Anwendungen

Generieren von C/C++ und GPU-Code für die Bereitstellung auf Desktop- oder eingebetteten Zielen

Generieren Sie Code für vortrainierte tiefe neuronale Netze. Sie können die Simulation Ihrer Algorithmen in Simulink^® beschleunigen, indem Sie verschiedene Ausführungsumgebungen verwenden. Durch die Verwendung von Support Packages können Sie auch C/C++ und CUDA^®-Code auf der Zielhardware bereitstellen.

Modelleinstellungen

alle erweitern

Themen

GPU Code Generation for Deep Learning Networks Using MATLAB Function Block (GPU Coder)
Simulate and generate code for deep learning models in Simulink using MATLAB function blocks.
GPU Code Generation for Blocks from the Deep Neural Networks Library (GPU Coder)
Simulate and generate code for deep learning models in Simulink using library blocks.
Code Generation for a Deep Learning Simulink Model That Performs Lane and Vehicle Detection (GPU Coder)
This example shows how to develop a CUDA® application from a Simulink® model that performs lane and vehicle detection using convolutional neural networks (CNN).
Generate Generic C/C++ for Sequence-to-Sequence Deep Learning Simulink Models (Simulink Coder)
Generate C/C++ code for a sequence-to-sequence deep learning Simulink model.
Generate Generic C Code Using The Stateful Predict Block in Simulink (Simulink Coder)
This example shows how to generate generic C code using the Stateful Predict block and the SIL workflow. (Seit R2024a)

Deep Learning Code-Generierung aus Simulink-Anwendungen

Modelleinstellungen

Simulationsbeschleunigung

Allgemeine Code-Konfiguration

GPU-Code-Konfiguration

Themen