概述
深度学习在训练阶段常用GPU来加速,在推断阶段可以用CPU、GPU、FPGA等硬件实现。在计算资源有限的树莓派(Raspberry Pi)上如何运行复杂的深度神经网络?对CUDA 代码一无所知,如何玩转NVIDIA GPU?
本次微直播紧跟“小迈步第一课:MATLAB深度学习入门课堂”,通过具体MATLAB代码演示与操作,带领大家学习在树莓派ARM CPU和NVIDIA GPU上实现深度学习物品识别。
本次课堂,您将会学习如何将预训练网络自动生成C++ 或者CUDA代码,跨越手写代码的障碍。你还将学会如何使用MATLAB快速对树莓派编程,我们将从如何下载和设置MATLAB对树莓派硬件的支持包开始,到如何使用网络摄像头给大家进行详细的讲解。
课前准备:
1. 建议参课者先行观看“小迈步第一课:MATLAB深度学习入门课堂”。
2. 建议参课者先行完成以下两门在线课程。
亮点包括
本期课程内容:
小迈步第二课:MATLAB深度学习入门之树莓派与GPU应用 (下)
3. 在树莓派上实现物品识别
MATLAB 嵌入式代码生成技术
将SqueezeNet生成 C++代码
构建基于ARM Compute Library的可执行程序
物品识别与效率评测
4. 在NVIDIA GPU上实现物体识别
连接MATLAB 与网络摄像头
SqueezeNet自动 CUDA代码生成
实时图像捕捉与识别