如何在Jetson TX1上部署Matlab神经网络代码

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

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。