coder.DeepLearningConfig

创建深度学习代码生成配置对象

语法

deepLearningCfg =编码器。DeepLearningConfig(TargetLibrary = targetlib)

描述

deepLearningCfg=编码器。DeepLearningConfig (TargetLibrary =targetlib)创建一个深度学习包含的特有参数配置对象codegen为深层神经网络使用来生成代码。分配这深度学习配置对象DeepLearningConfig代码通过使用创建的配置对象的属性coder.config。通过代码配置对象codegen函数使用配置选择。

例子

全部折叠

生成的代码使用英特尔MKL-DNN库ResNet-50网络

设置代码配置参数并生成c++代码的ResNet-50系列网络。生成的代码使用了英特尔^®MKL-DNN深度学习库。

创建一个入口点函数resnet_predict使用coder.loadDeepLearningNetwork函数加载resnet50(深度学习工具箱)SeriesNetwork对象。

函数= resnet_predict(中)持续的mynet;如果isempty (mynet) mynet = coder.loadDeepLearningNetwork (“resnet50”,“myresnet”);结束=预测(mynet,);

持久对象避免重建并重新加载网络对象在随后调用函数来调用预测方法的输入。

的输入层pretrainedResNet-50网络接收的图像的大小224年x224x3。从图形文件读取一个输入图像和调整224年x224使用以下代码:

在= imread (“peppers.png”);在= imresize(在[224224]);

创建一个coder.config配置对象为墨西哥人代码生成和设置目标语言c++。配置对象,集DeepLearningConfig与targetlib作为“mkldnn”。使用配置选择的codegen函数通过这段代码配置对象。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。

cfg = coder.config (墨西哥人的);cfg。TargetLang =“c++”;cfg。DeepLearningConfig =编码器。DeepLearningConfig(TargetLibrary =“mkldnn”);codegenarg游戏{(224224 3,“单”)}配置cfgresnet_predict;

的codegen命令所有生成的文件的地方codegen文件夹中。它包含的c++代码入口点函数resnet_predict.cpp,头文件和源文件包含的c++类定义复杂的神经网络(CNN),重量和偏见文件。

输入参数

全部折叠

`targetlib`- - - - - -指定目标深度学习的图书馆
特征向量|字符串标量

目标库深度学习代码生成指定为这个表中的值之一。

价值	描述
`“没有”`	生成不使用任何第三方库的代码。
`“arm-compute”`	生成的代码使用的手臂^®计算库。
`“mkldnn”`	生成的代码使用英特尔数学内核库深神经网络(英特尔MKL-DNN)。
`“cmsis-nn`	常见的单片机软件接口标准——神经网络(CMSIS-NN)图书馆。要求为深度学习MATLAB编码器™接口库。
`“cudnn”`	使用CUDA的生成代码^®深层神经网络库(cuDNN)。这个选项需要GPU编码器™。
`“tensorrt”`	利用了NVIDIA的生成代码^®TensorRT——高性能深度学习推理优化器和运行时库。这个选项需要GPU编码器。

输出参数

全部折叠

`deepLearningCfg`——深度学习配置对象
`配置对象`

配置对象基于目标库中指定的输入参数。这个对象包含的特有参数中使用代码生成。

目标库	深度学习配置对象
`“没有”`	创建一个`DeepLearningConfigBase`配置对象。
`“arm-compute”`	创建一个`ARMNEONConfig`配置对象。
`“mkldnn”`	创建一个`MklDNNConfig`配置对象。
`“cmsis-nn`	创建一个`CMSISNNConfig`配置对象。
`“cudnn”`	创建一个`CuDNNConfig`配置对象。
`“tensorrt”`	创建一个`TensorRTConfig`配置对象。