创建一个入口函数resnet_predict使用coder.loadDeepLearningNetwork装载的功能Reset50(深度学习工具箱)SeriesNetwork目的。

函数OUT = RESNET_PREDICT（IN）持续的mynet;如果isempty（mynet）mynet = coder.loaddeeplearningnetwork（“resnet50”，“myresnet”);结束=预测(mynet,);

持久化对象避免在后续调用函数时重构和重新加载网络对象预测输入上的方法。

预制的输入层ResNet-50网络接受大小的图像224年x224x3。从图形文件读取输入图像并将其调整为大小224年x224，使用以下代码行:

在= imread (“peppers.png”);在= imresize(在[224224]);

创建一个coder.configMEX代码生成的配置对象并将目标语言设置为C ++。在配置对象上，设置DeepLearningConfig与targetlib作为“mkldnn”。使用配置选择的codegen函数传递此代码配置对象。的codegen函数必须确定matlab的大小，类和复杂性^®功能输入。使用arg游戏选项指定入口点函数的输入大小。

cfg = coder.config (墨西哥人的);cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”);codegenarg游戏{(224224 3,“单”)}配置cfgresnet_predict；

的codegen命令将所有生成的文件放在codegen文件夹中。它包含用于入口点函数的c++代码resnet_predict.cpp.，包含Convoluted神经网络（CNN），重量和偏置文件的C ++类定义的标题和源文件。