24:40视频长度为24:40。
在Jetson AGX Xavier上使用MATLAB、GPU Coder和TensorRT进行深度学习
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®基于工作流促进了这些设计
演示演示了MATLAB如何支持这个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缺陷六角螺钉。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。
- 自动生成可移植和优化CUDA代码从MATLAB算法的NVIDIA gpu如Jetson AGX Xavier
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。