主要内容

基于mml - dnn的深度学习网络代码生成

与MATLAB®编码器™，您可以从已经训练好的卷积神经网络(CNN)生成用于预测的代码，针对使用英特尔处理器的嵌入式平台®处理器。代码生成器利用了英特尔深度神经网络数学内核库(MKL-DNN)。生成的代码使用在输入中指定的体系结构、层和参数实现CNNSeriesNetwork(深度学习工具箱)或DAGNetwork(深度学习工具箱)网络对象。

使用以下方法之一生成代码:

  • 标准的codegen命令用于从MATLAB代码生成C/ c++代码。

  • 的MATLAB编码器应用程序。

需求

  • 在Windows上®，用于深度学习网络的代码生成codegen功能要求微软®Visual Studio®2015年或更晚。

  • 深度学习库的MATLAB编码器接口．要安装此支持包，请从MATLAB金宝app中选择它附加组件菜单。

  • Intel深度神经网络数学内核库(MKL-DNN)

  • 深度学习工具箱™。

  • 编译器和库的环境变量。有关更多信息，请参见用MATLAB编码器进行深度学习的先决条件．

使用代码生成codegen

  1. 在MATLAB中编写一个入口点函数:

    例如:

    函数Out = googlenet_predict(in)% # codegen一个持久对象mynet用于加载系列网络对象。在第一次调用此函数时，将构造持久对象%设置。当该函数随后被调用时，将重用相同的对象的方法调用predict，从而避免重新构造和重新加载%网络对象。持续的mynet;如果mynet = code . loaddeeplearningnetwork (mynet)“googlenet”）;结束输入合格率Out = predict(mynet,in, in，“MiniBatchSize”2);

  2. 为MEX或静态或动态链接库创建代码生成配置对象。若要指定mml - dnn的代码生成参数，请设置DeepLearningConfig属性。编码器。MklDNNConfig用于创建的对象编码器。DeepLearningConfig．

    CFG = code .config(“自由”）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”）;

  3. 运行codegen命令。使用配置选项指定配置对象。使用arg游戏选项指定输入类型。输入大小对应于GoogLeNet网络的输入层大小16不同的图像或观察。

    codegen配置cfggooglenet_predictarg游戏{(224224 3 16)的}报告

    请注意

    您可以为代码生成指定半精度输入。但是，代码生成器类型将输入强制转换为单精度。深度学习工具箱对MATLAB中的所有计算使用单精度浮点算法。

生成的代码

网络生成为包含层类数组的c++类。的设置()方法设置句柄并为网络对象的每一层分配内存。的预测()方法调用对网络中的每一层的预测。代码生成器生成函数googlenet_predict ()在googlenet_predict.cpp对应于MATLAB的入口点函数。该函数为网络构造静态对象，并调用setup和predict方法。

网络中有参数的层导出二进制文件，如全连接层和卷积层。例如，文件cnn_googlenet_conv * _w而且cnn_googlenet_conv * _b对应于网络中卷积层的权值和偏置参数。

默认情况下，生成的应用程序在codegen文件夹中。如果要将生成的应用程序和权重文件重新定位到不同的位置，例如嵌入式板，则创建名为USER_DL_DATA_PATH，它的值是重定位权重文件的位置。然后，生成的应用程序将在此位置查找权重文件。

代码生成使用MATLAB编码器应用程序

  1. 按照通常的步骤指定入口点函数和指定输入类型。看到使用MATLAB Coder App生成C代码．

  2. 在生成代码步骤:

    • 集语言来c++．

    • 点击更多的设置．在深度学习窗格中,设置目标库来MKL-DNN．

  3. 生成的代码。

另请参阅

|||

相关的话题