深度学习工具箱。

MobileNet-v2网络支持包的深度学习工具箱模型。金宝app

用于深度学习库的GPU编码器接口金宝app支持包。要安装支持包，请从MATLAB金宝app中选择支持包^®附加组件菜单。

手臂计算库对于计算机视觉和机器学习必须安装在目标硬件上。有关编译器和库的受支持版本的信息，请参见金宝app安装必备产品下载188bet金宝搏．

编译器和库的环境变量。有关更多信息，请参见环境变量．

加载预先训练好的MobileNet-v2网络。您可以选择加载不同的预训练网络进行图像分类。如果您没有安装所需的支持包，该软件提供了下载链接。金宝app

Net = mobilenetv2;

的对象网包含了DAGNetwork对象。使用analyzeNetwork(深度学习工具箱)功能，用于显示网络体系结构的交互式可视化，检测网络中的错误和问题，并显示有关网络层的详细信息。层信息包括层激活和可学习参数的大小，可学习参数的总数，循环层状态参数的大小。

analyzeNetwork(净);

要分类的图像必须与网络的输入大小相同。对于GoogLeNet，大小imageInputLayer(深度学习工具箱)是224 - 224 - 3。的类输出的属性classificationLayer(深度学习工具箱)包含网络学习到的类的名称。从1000个类名中随机查看10个。

classNames = net.Layers(end).Classes;numClasses = numel(classNames);disp(类名(randperm (numClasses 10)))

公鸡蜂房肥皂分配器titi汽车车轮guenon口木耳七叶树巨石

有关更多信息，请参见深度学习层列表(深度学习工具箱)．

调用cnncodegen与“targetlib”指定为“arm-compute-mali”．例如:

Net = googlenet;cnncodegen(净,“targetlib”，“arm-compute-mali”，“batchsize”1);

为“arm-compute-mali”的值。batchsize必须1．

的“targetparams”允许你为ARM计算库指定特定于库的参数的名称-值对参数在针对ARM Mali gpu时不适用。

的cnncodegen命令生成代码、makefile、cnnbuild_rtw.mk，以及其他支持文件，以便金宝app在目标硬件上构建生成的代码。命令将生成的所有文件放在codegen文件夹中。

编写一个c++ main函数调用预测．有关与生成的代码接口的示例主文件，请参见ARM Mali GPU的深度学习预测

移动生成的codegen通过使用您首选的安全文件拷贝(SCP)和安全Shell (SSH)客户端将主机开发计算机的文件夹和其他文件转移到ARM硬件。在目标上构建可执行程序。