coder.loadDeepLearningNetwork

得到包含pretrained MAT-fileVGG-16网络。

url =“//www.tatmou.com/金宝appsupportfiles/gpucoder/cnn_models/VGG/vgg16.mat”;websave (“vgg16.mat”url);

创建一个入口点函数myVGG16使用coder.loadDeepLearningNetwork函数加载vgg16.mat在持续mynetSeriesNetwork对象。

函数= myVGG16(中)持续的mynet;如果isempty (mynet) mynet = coder.loadDeepLearningNetwork (“vgg16.mat”,“myVGGnet”);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pretrainedVGG-16网络接收的图像的大小224年x224x3。使用以下代码来读取一个输入图像从一个图形文件和调整224年x224。

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”。的codegen函数必须确定大小、阶级和MATLAB函数输入的复杂性。使用arg游戏选择指定的大小的入口点函数的输入。使用配置选择通过配置对象的代码。

cfg = coder.config (墨西哥人的);cfg。TargetLang =“c++”;cfg。DeepLearningConfig = coder.DeepLearningConfig (“mkldnn”);codegenarg游戏{(224224 3 uint8)}配置cfgmyVGG16报告;

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myVGG16.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。

调用VGG-16预测的输入图像和显示五大预测标签。

predict_scores = myVGG16_mex(的);[分数,indx] =排序(predict_scores“下”);网= coder.loadDeepLearningNetwork (“vgg16.mat”);一会= net.Layers . class(结束);disp(类名(indx (1:5)));

甜椒黄瓜杂货店小青南瓜冬南瓜

创建一个入口点函数resnetFun使用coder.loadDeepLearningNetwork函数调用深度学习工具箱™工具箱函数resnet50。这个函数返回一个pretrainedResNet-50网络。

函数= resnetFun(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.gpuConfig配置对象为墨西哥人代码生成和设置目标语言c++。的codegen函数必须确定大小、阶级和MATLAB函数输入的复杂性。使用arg游戏选择指定的大小的入口点函数和输入配置选择通过配置对象的代码。

cfg = coder.gpuConfig (墨西哥人的);cfg。TargetLang =“c++”;cfg。DeepLearningConfig = coder.DeepLearningConfig (“cudnn”);codegenarg游戏{(224224 3 uint8)}配置cfgresnetFun报告;

的codegen命令所有生成的文件的地方codegen文件夹中。它包含的CUDA代码入口点函数resnetFun.cu、头和c++源文件包含类定义的复杂神经网络(CNN),重量和偏见文件。