要连接到网络摄像头并加载预训练的ResNet-18网络:。

摄像头=网络摄像头;连接到相机Net = resnet18;加载神经网络

如果您需要安装网络摄像头和ResNet-18外接程序，将出现一条消息，其中包含一个链接，以帮助您使用外接程序资源管理器下载免费外接程序。另外,看到深度学习工具箱模型ResNet-18网络而且MATLAB金宝appUSB网络摄像头支持包有关安装说明。

安装ResNet-18网络的深度学习工具箱™模型后，可以使用它对图像进行分类。ResNet-18是在ImageNet数据库的一个子集上训练的预训练模型。该模型在100多万张图像上进行训练，可以将图像分类为1000个对象类别，如键盘、鼠标、杯子、铅笔等。

建立到目标板的接口，创建工作流对象，并将网络部署到目标板:

hT = dlhdl。目标(“Xilinx”、接口=“以太网”）;hW = dlhdl。工作流(“网络”净,“比特流”，“zcu102_single”，“目标”hT);hW.deploy;

显示和分类实时图像:

而True im =快照(相机);%拍张照片图像(im);%显示图片Im = imresize(Im，[224 224]);ResNet-18调整图片大小[预测，速度]= hW.predict(single(im)，“配置文件”，“上”）;[val, idx] = max(预测);label = net.Layers(end).ClassNames{idx};对图像进行分类标题(char(标签));显示类标签drawnow结束

把摄像头对准一个物体。经过预先训练的深度学习网络会报告它认为网络摄像头正在显示的物体的类别，并对图像进行分类，直到你按下Ctrl+C．该代码通过使用来调整网络图像的大小imresize．

例如，该网络可以正确地对咖啡杯进行分类。用你周围的物体做实验，看看这个网络有多准确。

有关后续步骤，请参见FPGA深度学习解决方案．