代码生成和GPU支持

生成可移植的C/ c++ /MEX函数，并使用gpu部署或加速处理

音频工具箱™包括在MATLAB中加速原型的支持^®以及生成用于部署的代码。

GPU加速代码。为了在创建原型时加速代码，Audio Toolbox包含了可以在图形处理单元(GPU)上执行的函数。您可以使用gpuArray(并行计算工具箱)函数将数据传输到GPU，然后调用收集(并行计算工具箱)函数从GPU中检索输出数据。有关支持在gpu上执行的Audio Toolbox函数列表，请参见功能列表(gpuArray支持)．您需要并行计算工具箱™来启用GPU支持。

C / c++代码生成。在开发应用程序之后，可以从MATLAB代码生成可移植的C/ c++源代码、独立的可执行程序或独立的应用程序。C/ c++代码生成使您能够在没有安装MATLAB的机器上运行模拟，并在您使用MATLAB工作时加快处理速度。有关支持C/ c++代码生成的Audio Toolbox函数列表，请参见函数列表(C/ c++代码生成)．你需要MATLAB编码器™生成C/ c++代码。

GPU代码生成。在开发应用程序之后，可以生成优化的CUDA^®英伟达的代码^®来自MATLAB的gpu代码。这些代码可以作为源代码、静态库或动态库集成到您的项目中，并且可以用于在gpu上创建原型。您还可以在MATLAB中使用生成的CUDA代码来加速机器学习、深度学习或其他应用程序中MATLAB代码的计算密集型部分。有关支持GPU代码生成的Audio Toolbox函数列表，请参见功能列表(GPU代码生成)．你需要MATLAB编码器和GPU Coder™生成CUDA代码。

应用程序

MATLAB编码器	生成C代码或MEX函数MATLAB代码
GPU编码器	生成GPU代码MATLAB代码

功能

`codegen`	生成C/ c++代码MATLAB代码
`收集`	将分布式阵列或gpu阵列转移到本地工作区
`gpuArray`	存储在GPU上的阵列

主题

在命令行生成C代码(MATLAB编码器)
从MATLAB代码中生成C/ c++代码codegen命令。
在图形处理器上运行MATLAB函数(并行计算工具箱)
提供一个gpuArray参数将自动在GPU上运行函数。
用MATLAB编码器进行深度学习的先决条件(MATLAB编码器)
为深度学习网络安2022世界杯八强谁会赢？装产品和配置代码生成环境。
GPU计算的需求(并行计算工具箱)
支持NVIDIA GPU架构。
Android设备语音指令识别和显示(Simulink Android设备支持包)
本示例展示了如何使用Simulink®Android™设备支持包部署深度学习算法，识别并显示通过Android设备(如手机或平板电脑)发出的命令。

特色的例子

基于Simulink的Intel MKL-DNN语音指令识别代码生成

使用嵌入的编码器^®在仿真软件^®和英特尔^®MKL-DNN在Intel处理器上部署特征提取和卷积神经网络用于语音命令识别。

开放模式

基于Simulink的树莓派语音指令识别

在树莓派™上部署特征提取和卷积神经网络用于语音命令识别。

开放模式

基于gpu的特征提取加速音频深度学习

利用gpu进行特征提取，以减少训练音频深度学习模型所需的时间。

打开生活的脚本

树莓派噪声代码生成中的关键字识别

演示了在树莓派™上使用双向长短期记忆(BiLSTM)网络和mel频率倒谱系数(MFCC)特征提取进行关键字发现的代码生成。带有深度学习支持的MATLAB®Coder™能够在树莓派上生成独立的可执行文件(.elf)。MATLAB®(.mlx)文件和生成的可执行文件之间的通信通过异步用户数据报协议(UDP)进行。传入的语音信号使用时间显示器显示。掩码显示为围绕关键字YES的斑点实例的蓝色矩形。有关MFCC特征提取和深度学习网络训练的更多细节，请访问使用MFCC和LSTM网络在噪声中发现关键字。

打开生活的脚本

基于Intel MKL-DNN的噪声码生成关键字识别

使用双向长短期记忆(BiLSTM)网络和mel频率倒谱系数(MFCC)特征提取生成代码来识别关键字。

打开生活的脚本

基于Intel MKL-DNN的语音指令识别代码生成

在Intel®处理器上部署特征提取和卷积神经网络(CNN)用于语音命令识别。为了生成特征提取和网络代码，您可以使用MATLAB®Coder™和用于深度神经网络(MKL-DNN)的Intel®数学内核库。在本例中，生成的代码是一个MATLAB可执行(MEX)函数，该函数由MATLAB脚本调用，该脚本显示所预测的语音命令以及时域信号和听觉谱图。关于音频预处理和网络训练的详细信息，请参见基于深度学习的语音命令识别。

打开生活的脚本

树莓派语音指令识别代码生成

为树莓派™部署特征提取和卷积神经网络(CNN)来识别语音命令。为了生成特征提取和网络代码，您可以使用MATLAB Coder™、MATLAB®树莓派硬件支持包和ARM®计算库。在本例中，生成的代码是树莓派上的可执行文件，由MATLAB脚本调用，该脚本显示预测的语音命令以及信号和听觉谱图。MATLAB脚本和树莓派上可执行文件之间的交互使用用户数据报协议(UDP)进行处理。关于音频预处理和网络训练的详细信息，请参见基于深度学习的语音命令识别。

打开生活的脚本