Integration von MATLAB und NVIDIA TensorRT

Deep Learning

MATLAB von MathWorks bietet eine Integration mit NVIDIA TensorRT über GPU Coder. Das unterstützt Ingenieure und Wissenschaftler bei der Entwicklung neuer Modelle für künstliche Intelligenz (KI) und Deep Learning in MATLAB für Anwendungen im Automobilbereich.

Integration von MATLAB und NVIDIA TensorRT
MATLAB von MathWorks bietet eine Integration mit NVIDIA TensorRT über GPU Coder. Das unterstützt Ingenieure und Wissenschaftler bei der Entwicklung neuer Modelle für künstliche Intelligenz (KI) und Deep Learning in MATLAB für Anwendungen im Automobilbereich.
MATLAB bietet einen vollständigen Arbeitsablauf zum Trainieren, Validieren und Bereitstellen von Deep-Learning-Modellen. Ingenieure können GPU-Ressourcen ohne zusätzliche Programmierung nutzen. Dank der Integration von NVIDIA TensorRT und GPU Coder können in MATLAB entwickelte Deep-Learning-Modelle laut Anbieter auf NVIDIA-GPUs mit hohem Durchsatz und geringer Latenz ausgeführt werden. Interne Benchmarks zeigen laut MathWorks, dass von MATLAB generierter CUDA-Code in Kombination mit TensorRT Alexnet mit fünfmal höherer Leistung und VGG-16 mit 1,25-mal höherer Leistung bereitstellen kann als die Deep-Learning-Inferenz der entsprechenden Netze in TensorFlow.

Mehr Informationen zu Anwendungsmöglichkeiten von NVIDIA TensorRT mit dem MathWorks GPU Coder gibt der Hersteller vom 9. bis 11. Oktober 2018 auf der GPU Technology Conference (GTC) in München.