生成通用的C / c++代码深入学习网络
与MATLAB®编码器™,您可以生成通用的C或c++代码从一个已经训练好的神经网络预测。生成的C / c++代码不依赖于任何第三方库。生成的代码与架构,实现了神经网络层,和参数中指定的输入SeriesNetwork(深度学习工具箱)或DAGNetwork(深度学习工具箱)网络对象。看到网络层支持代码生成金宝app。
生成代码通过使用这些方法之一:
标准的
codegen命令从MATLAB C / c++代码生成代码。的MATLAB编码器应用程序。
需求
在Windows上®,代码生成的深度学习网络
codegen功能要求微软®Visual Studio®或MinGW®编译器。为深入学习MATLAB编码器接口。安装这种支持方案,选择从MATL金宝appAB附加组件菜单。
深度学习工具箱™。
代码生成通过使用codegen
在MATLAB编写一个入口点函数:
使用
coder.loadDeepLearningNetwork函数来构造和设置一个网络对象。有关更多信息,请参见负载Pretrained网络代码生成。调用
预测(深度学习工具箱)网络的入口点函数输入的方法。指定一个
MiniBatchSize在预测预测方法来管理内存使用多个输入图像或观察。
例如:
函数= my_predict(中)% # codegen%一系列持久对象mynet用于加载网络对象。%在第一次调用这个函数,构造和持久对象%设置。只有在函数被调用时,随后的时间,相同的对象被重复使用%为预测输入,从而避免重建和重载%网络对象。持续的mynet;如果isempty (mynet) mynet = coder.loadDeepLearningNetwork (“myNetwork.mat”);结束%通过输入=预测(mynet,,“MiniBatchSize”2);
创建一个深度学习配置对象
dlconfig配置生成通用的C / c++代码通过使用coder.DeepLearningConfig函数。dlconfig = coder.DeepLearningConfig (TargetLibrary =“没有”);创建一个代码生成配置对象为墨西哥人或一个静态或动态链接库。默认情况下,代码生成器生成通用的C代码。生产通用的c++代码,代码中生成配置对象,设置
TargetLang参数“c++”。设置DeepLearningConfig参数之前创建的对象dlconfig。cfg = coder.config (“自由”);cfg。TargetLang =“c++”;cfg。DeepLearningConfig = dlconfig;
运行
codegen命令。使用配置选项指定配置对象。使用arg游戏选择指定的输入类型。codegen配置cfgmy_predictarg游戏{myInput}报告
请注意
您可以指定half-precision输入的代码生成。然而,代码生成器类型将输入转换为单精度。深度学习工具箱使用单精度浮点算法,在MATLAB计算。
通过使用生成代码MATLAB编码器应用程序
按照通常的步骤用于指定的入口点函数和指定的输入类型。看到通过使用MATLAB编码器应用生成C代码。
在生成代码步骤:
集语言要么C或c++。
点击更多的设置。在深度学习窗格中,设置目标库来
没有一个。
生成的代码。
另请参阅
codegen|coder.DeepLearningConfig|coder.loadDeepLearningNetwork
