nach oben
Meine Merkliste
Ihre Merklisteneinträge speichern
Wenn Sie weitere Inhalte zu Ihrer Merkliste hinzufügen möchten, melden Sie sich bitte an. Wenn Sie noch kein Benutzerkonto haben, registrieren Sie sich bitte im Hanser Kundencenter.

» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.
Ihre Merklisten
Wenn Sie Ihre Merklisten bei Ihrem nächsten Besuch wieder verwenden möchten, melden Sie sich bitte an oder registrieren Sie sich im Hanser Kundencenter.
» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.

« Zurück

Ihre Vorteile im Überblick

  • Ein Login für alle Hanser Fachportale
  • Individuelle Startseite und damit schneller Zugriff auf bevorzugte Inhalte
  • Exklusiver Zugriff auf ausgewählte Inhalte
  • Persönliche Merklisten über alle Hanser Fachportale
  • Zentrale Verwaltung Ihrer persönlichen Daten und Newsletter-Abonnements

Jetzt registrieren
Merken Gemerkt
10.08.2018

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.

Cuda Code-Generierung mit NIVIDA TensorRT © MathWorks

Cuda Code-Generierung mit NIVIDA TensorRT © MathWorks

weitere Informationen

Unternehmensinformation

The MathWorks GmbH

Friedlandstr. 18
DE 52064 Aachen
Tel.: 0241 4757-6700
Fax: 0241 4757-6710

Diese Beiträge könnten Sie auch interessieren
Whitepaper

Wichtige Aspekte zum Antriebsstrang-HIL-Test

HIL-Simulatoren von National Instruments


Jetzt kostenlos Downloaden

Newsletter

Sie wollen immer top-aktuell informiert sein? Dann abonnieren Sie jetzt den kostenlosen Newsletter!

© masterzphotofo - Fotolia

Hier kostenlos anmelden