前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >如何在Jetson TX1上部署Matlab神经网络代码

如何在Jetson TX1上部署Matlab神经网络代码

作者头像
GPUS Lady
发布2018-04-02 15:16:34
1.8K0
发布2018-04-02 15:16:34
举报
文章被收录于专栏:GPUS开发者

还记得之前本公众号曾经发布了一个NV关于Jetson和Matlab讲座么?什么?在Jetson TX2上跑Matlab么?


Build Your Next Deep Learning Application for NVIDIA Jetson in MATLAB

在MATLAB中为NVIDIA Jetson构建下一个深度学习应用程序

本课程学习如何使用MATLAB构建你的计算机视觉和深度学习应用并将它们部署在NVIDIA Jetson上。

MATLAB的自动生成的CUDA代码,利用MATLAB的算法,利用CUDA库和cuDNN,然后将其交叉编译并部署到Jetson。

生成的代码是高度优化的,并且将会给出基准测试,表明自动生成的CUDA代码的深度学习推断性能,对于mxNet来说是2.5倍的速度,对于Caffe的速度是5倍,对于TensorFlow来说更快。

通过参加这次网络研讨会,你会学到如何

-访问和管理大型图像数据集

-可视化网络,并深入了解训练过程

-导入参考网络,如AlexNet和GoogLeNet

-从MATLAB中自动生成可移植和优化的CUDA代码


没有参加此次网络研讨会也没有关系,因为视频最近刚刚放出来。大家依旧可以在线学习一下

视频内容

在视频里,通过使用GPU编码器可以在MATLAB®和NVIDIA®Jetson™上部署一个深层神经网络。你可以创建一个深度神经网络并从头开始训练它,或者从一个预先训练的网络开始,然后通过转移学习重新训练它。要了解更多关于这个过程的知识,请查看在MATLAB中培训一个深度学习网络的可用资源。

CUDA®代码可以从神经网络生成GPU编码器™,以及预处理和后处理的代码构成MATLAB算法的嵌入式视觉应用程序,例如。生成的CUDA代码包含网络中各层的二进制权重和偏差文件。

然后,您可以将应用程序和深度学习网络一起部署到一个嵌入式平台上,比如NVIDIA Jetson TX1板,通过将生成的代码导出到目标并将其构建到目标上。或者,也可以在主机桌面上交叉编译。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-11-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 GPUS开发者 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Build Your Next Deep Learning Application for NVIDIA Jetson in MATLAB
  • 在MATLAB中为NVIDIA Jetson构建下一个深度学习应用程序
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档