主要内容

coder.ARMNEONConfig

参数配置深度学习的代码生成手臂计算库

自从R2019a

扩展所有的页面

描述

的coder.ARMNEONConfig对象包含的手臂®计算库和目标的特定参数codegen用途为深层神经网络生成c++代码。

使用一个coder.ARMNEONConfig对象代码生成、分配它DeepLearningConfig属性传递给代码生成配置对象codegen。

创建

创建一个手臂氖配置对象使用coder.DeepLearningConfig函数库设置为目标“arm-compute”。

属性

全部展开

版本的手臂计算库在目标硬件上使用,指定为一个特征向量或字符串标量。如果你设置ArmComputeVersion晚于一个版本“20.02.1”,ArmComputeVersion被设置为“20.02.1”。

手臂在目标硬件架构支持,指定为一个金宝app特征向量或字符串标量。指定的架构必须与ARM的体系结构计算库在目标硬件。

ARMArchitecture必须指定这些情况:

  • 你不使用硬件支持包(金宝app硬件代码生成配置对象的属性是空的)。

  • 你用一个硬件支持包,但只生成代码。金宝app

指定支持层的推理计算的精度。金宝app在32位浮点数进行推理时,使用“fp32”。8位整数,使用“int8”。默认值是“fp32”。

的位置MAT-file包含校准数据。默认值是”。这个选项只有当适用数据类型被设置为“int8”。

当执行量化时,校准(深度学习工具箱)功能锻炼的网络和收集动态范围重量和偏见的卷积和完全连接层的网络和动态范围激活所有层的网络。为优化网络生成代码,保存的结果校准函数MAT-file和指定的位置这MAT-file代码生成器使用这个属性。有关更多信息,请参见生成int8代码深入学习网络。

目标库的名称,指定为一个特征向量。

例子

全部折叠

创建一个入口点函数squeezenet使用coder.loadDeepLearningNetwork函数加载squeezenet(深度学习工具箱)对象。

函数= squeezenet_predict(中)持续的mynet;如果isempty (mynet) mynet = coder.loadDeepLearningNetwork (“squeezenet”,“squeezenet”);结束=预测(mynet,);

创建一个coder.config配置对象生成一个静态的图书馆。

cfg = coder.config (“自由”);

设置目标语言c++。指定您想要只生成源代码。

cfg。TargetLang =“c++”;cfg.GenCodeOnly = true;

创建一个coder.ARMNEONConfig深度学习配置对象。分配到DeepLearningConfig财产的cfg配置对象。

dlcfg = coder.DeepLearningConfig (“arm-compute”);dlcfg。ArmArchitecture =“armv8”;dlcfg。ArmComputeVersion =“20.02.1”;cfg。DeepLearningConfig = dlcfg;

使用配置选择的codegen函数来指定cfg配置对象。的codegen函数必须确定大小、阶级和MATLAB的复杂性®函数的输入。使用arg游戏选择指定的大小的入口点函数的输入。

codegenarg游戏{(227227 3,“单”)}配置cfgsqueezenet_predict

的codegen命令所有生成的文件的地方codegen文件夹中。的文件夹包含c++代码入口点函数squeezenet_predict.cpp、头和c++源文件包含类定义的卷积神经网络(CNN),重量和偏见文件。

版本历史

介绍了R2019a

另请参阅

||||

主题