24:40视频长度为24:40。
基于Jetson AGX Xavier的深度学习使用MATLAB, GPU Coder和TensorRT
由于嵌入式设备固有的资源限制,在嵌入式gpu上设计和部署深度学习和计算机视觉应用程序具有挑战性。一个MATLAB®基于工作流的设计方便了这些设计
演示说明了MATLAB如何支持该工作流的所有主要阶段,从获取
为了说明工作流程,我们将使用一个缺陷产品检测示例,该示例可以在机器视觉上下文中识别有缺陷的六角螺丝。该示例使用深度神经网络和传统的计算机视觉技术来识别有缺陷的六角螺钉。
突出了
观看这段对话,学习如何:
- 访问和管理用于训练深度学习网络的图像集。
- 可视化网络,深入了解培训过程。
- 通过ONNX和参考网络(如ResNet-50和GoogLeNet)从其他深度学习框架导入和导出网络。
- 从MATLAB算法自动生成可移植和优化的CUDA代码,用于NVIDIA gpu,如Jetson AGX Xavier
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。