Simulink深度学习模型的加速- MATLAB和Simulink - 卡塔尔世界杯8强比赛直播

Simulink深度学习模型的加速

您可以提高您的Simulink的模拟速度^®利用Simulink产品的加速器模式建立深度学习模型。支持加速模式和快速加速模式。这些模式将正常的解释代码替换为编译的目标代码。使用编译后的代码可以加速许多模型的模拟，特别是那些运行时间比与编译和检查目标是否更新相关的时间长的模型。有关更多信息，请参见加速度是什么?(模型)．

在深度学习方面，利用Intel的优势，用c++语言编译模型^®MKL-DNN图书馆。实现的Simulink深度学习模型支持加速和快速加速模式MATLAB函数块或通过使用块从深层神经网络图书馆。加速模式适用于任何模型，但如果模型包含不支持加速的块，则性能会下降。快速加速模式仅适用于那些包含支持独立可执行文件代码生成的块的模型。要了解加速建模技术，请参见设计有效加速的模型(模型)．

请注意

加速器模式需要兼容的c++编译器。要查看支持的编译器列表，请打开支持和兼容的编译器，单击对应于您的操作系统的选项卡，找到仿真软件产品家族表，和去对于模型引用，加速器模式，快速加速器模式，和MATLAB函数块列。如果你有多个MATLAB^®方法支持的编译器，您可以使用墨西哥人设置命令。看到改变默认的编译器．

从用户界面运行加速模式

要加速一个模型，首先打开它，然后上模拟选项卡,模拟部分中,选择加速器或快速的加速器从下拉菜单。然后开始模拟。

下面的示例演示如何加速已经打开的googlenet_classifier模型的利用GoogLeNet在Simulink中对图像进行分类使用加速器模式的示例:

在模型配置参数,在模拟目标窗格中,设置语言来c++和目标库来MKL-DNN．
在模拟选项卡,模拟部分中,选择加速器从下拉菜单。
在模拟选项卡上,单击运行．
Accelerator和Rapid Accelerator模式首先检查是否为您的模型编译过代码。如果之前创建了代码，则Accelerator或Rapid Accelerator模式将运行模型。如果之前没有构建代码，他们首先生成并编译C代码，然后运行模型。

Accelerator模式将生成的代码放在工作文件夹的子文件夹中slprj accel /modelname(例如,slprj / accel / googlenet_classifier)．如果您想更改此路径，请参见更改生成代码的位置(模型)．

Rapid Accelerator模式将生成的代码放在工作文件夹的子文件夹中slprj raccel /modelname(例如,slprj / raccel / googlenet_classifier)．

以编程方式运行加速模式

您可以设置配置参数，构建加速模型，选择仿真模式，并从命令提示符或MATLAB脚本运行仿真。

使用set_param在MATLAB命令窗口中以编程方式配置模型参数。

set_param (“modelname”,“SimTargetLang”、“语言”)

例如，要指定模拟目标的c++代码生成，你可以使用:

set_param (“googlenet_classifier”，“SimTargetLang”，“c++”）;

方法还可以从命令行提示符控制模拟模式set_param命令:

set_param (“modelname”,“SimulationMode”、“模式”)

模拟模式为正常的，加速器，快速,或外部．

例如，要用Accelerator模式模拟模型，您可以使用:

set_param(“googlenet_classifier”、“SimulationMode”、“加速器”)

然后,使用sim卡(模型)命令启动模拟:

sim (googlenet_classifier);

然而，一个更好的方法是在sim卡命令:

simOut = sim('googlenet_classifier'， 'SimulationMode'， 'accelerator');