通过使用加载网络coder.loadDeepLearningNetwork

可以从任何支持代码生成的网络中加载网络对象金宝appcoder.loadDeepLearningNetwork．您可以从mat文件指定网络。mat文件必须只包含要加载的网络。

例如，假设您创建了一个经过训练的网络对象myNet通过使用trainNetwork(深度学习工具箱)函数。然后，通过输入保存工作空间保存．这将创建一个名为matlab.mat其中包含网络对象。加载网络对象myNet,输入:

net = code . loaddeeplearningnetwork (“matlab.mat”）;

还可以通过提供不接受输入参数并返回预训练的函数名来指定网络SeriesNetwork，DAGNetwork，yolov2ObjectDetector,或ssdObjectDetector对象，例如:

例如，通过输入以下命令加载一个网络对象:

net = code . loaddeeplearningnetwork (“googlenet”）;

前面列表中的“深度学习工具箱™”函数要求您为该函数安装支持包。金宝app看到预训练的深度神经网络(深度学习工具箱)．

为代码生成指定一个网络对象

如果您通过使用codegen或应用程序，在你的入口点函数内加载网络对象通过使用coder.loadDeepLearningNetwork．例如:

函数out = myNet_predict(in)% # codegen持续的mynet;如果mynet = code . loaddeeplearningnetwork (mynet)“matlab.mat”）;结束Out = predict(mynet,in);

对于预先训练的网络，可用作支持包功能，如金宝appalexnet，inceptionv3，googlenet,resnet时，可直接指定支持包功能，如金宝appMynet = googlenet．

接下来，为入口点函数生成代码。例如:

cfg = code . gpuconfig (墨西哥人的）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“cudnn”）;codegenarg游戏{(224224 3,“单”)}配置cfgmyNet_predict

指定一个dlnetwork代码生成对象

假设你有一个预先训练好的dlnetwork对象中的网络对象mynet.matMAT-file。为了预测该网络的响应，在MATLAB中创建一个入口点函数^®如本代码所示。

函数a = myDLNet_predict(in) dlIn = dlarray(in，SSC的）;持续的dlnet;如果isempty(dlnet) dlnet = code . loaddeeplearningnetwork (“mynet.mat”）;结束dlA = predict(dlnet, dlIn);a = extractdata(dlA);结束

在本例中，输入和输出为myDLNet_predict是更简单的数据类型和dlarray对象在函数中创建。的extractdata(深度学习工具箱)方法dlarray对象中的数据返回dlarray国防后勤局作为的输出myDLNet_predict．输出一个中具有与底层数据类型相同的数据类型国防后勤局．这种入口点设计有以下优点:

接下来，为入口点函数生成代码。例如:

cfg = code . gpuconfig (“自由”）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“cudnn”）;codegenarg游戏{(224224 3,“单”)}配置cfgmyDLNet_predict