MATLAB编码器:如何为深度学习c++代码生成和部署构建英特尔mml - dnn库?

216次浏览(过去30天)

显示旧的注释

比尔周 2019年2月27日

5
链接

直接链接到这个问题

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep

编辑: 比尔周 2022年7月29日

答:接受比尔周

我看到了一些使用MATLAB Coder支持代码生成的深度学习网络:金宝app

支持c++代码生成的深度学习网络和层金宝app

我希望从我的深度学习网络(如AlexNet, GoogLeNet, ResNet, SqueezeNet, VGG-16/19等)生成代码，使用MATLAB Coder和英特尔MKL-DNN库在英特尔cpu上运行。做这件事的步骤是什么?

接受的答案

比尔周 2019年2月27日

6
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_363063

编辑:比尔周 2021年7月27日

注:以下内容适用于R2018b、R2019a和R2019b版本的MATLAB Coder和MKL-DNN v0.14 在这里．对于更新的版本，请参阅下面的下一个答案。

背景

要生成和运行用于深度学习的c++代码，您必须拥有用于深度神经网络的英特尔数学内核库(Intel MKL-DNN)。不要使用预构建的库，因为缺少一些必需的文件。相反，从源代码构建库。

下面描述了Windows和Linux平台上的MKL-DNN的构建说明。

Windows mml - dnn构建指令

要遵循这些说明，请获取推荐的编译器和IDE:

微软Visual Studio 2017
英特尔c++编译器18.0从英特尔并行工作室

这些说明假定使用Microsoft Visual Studio IDE和编译器。Cmake也是必需的。

1.下载版本0.14的MKL-DNN源代码 https://github.com/oneapi-src/oneDNN/archive/refs/tags/v0.14.zip )，这是文档中所示的MATLAB Coder版本所要求的( //www.tatmou.com/help/releases/R2019b/coder/ug/prerequisites-for-deep-learning-with-matlab-coder.html ）.

2.将源代码解压缩到文件夹MKLDNN中。在MKLDNN文件夹中，在命令提示符中输入:

                              cd脚本
                             
                              。\ prepare_mkl.bat
                             
                              cd．．

这将在MKLDNN\external\mklml_win_*\lib中创建这些库:

libiomp5md.dll
libiomp5md.lib
mklml.dll
mklml.lib

3.从MKLDNN文件夹运行这些命令:

                              mkdir- p构建
                             
                              cd构建
                             
                              cmake“Visual Studio 15 2017 Win64”..

这将在/build中创建Visual Studio解决方案文件:

英特尔MKL-DNN.sln (R)

4.在Visual Studio中打开解决方案文件。设置解决方案配置下拉, 释放．点击构建>构建解决方案．这将在MKLDNN\build\src\Release中创建这些库:

mkldnn.dll
mkldnn.lib

将这些库和步骤2中生成的库复制到C:\Program Files\mkl-dnn\lib.

注意，在Windows®操作系统上，只有启用8.3文件名时才允许在路径中使用特殊字符和空格。如果它们未启用，请将'C:\Program Files\ mhl -dnn\lib '替换为不包含空格的路径。有关8.3文件名的更多信息，请参阅Windows文档。

从MKLDNN\include复制以下文件到C:\Program Files\mkl-dnn\ include:

mkldnn.h
mkldnn.hpp
mkldnn_debug.h
mkldnn_types.h

5.将MATLAB环境变量INTEL_MKLDNN设置为C:\Program Files\mkl-dnn.在MATLAB命令窗口中输入:

setenv (“INTEL_MKLDNN”，“C: \ Program Files \ mkl-dnn \”）

将C:\Program Files\mkl-dnn\lib添加到PATH变量中。

                              setenv (“路径”,采用“INTEL_MKLDNN”) filesep“自由”pathsep getenv (“路径”)))
                             

6.如果您还没有这样做，您还应该为Windows设置环境变量。在Windows命令提示符中输入:

集路径=% %路径;C:\Program Files\mkl-dnn\

Linux MKL-DNN构建指令

要遵循这些说明，请获取推荐的编译器:

支持c++ 11的GNU g++金宝app

Cmake也是必需的。

1.下载版本0.14的MKL-DNN源代码 https://github.com/oneapi-src/oneDNN/archive/refs/tags/v0.14.tar.gz )，这是文档中所示的MATLAB Coder版本所要求的( //www.tatmou.com/help/releases/R2019b/coder/ug/prerequisites-for-deep-learning-with-matlab-coder.html ）.

2.将源代码解压缩到文件夹MKLDNN中。在MKLDNN文件夹中，在命令提示符中输入:

                              cd脚本
                             
                              修改文件权限+ x prepare_mkl.sh
                             
                              。/ prepare_mkl.sh

这将在MKLDNN/external/mklml_lnx_*/lib中创建这些库:

                              libiomp5.so
                             
                              libmklml_intel.so。

3.从MKLDNN文件夹运行这些命令:

4.这将在MKLDNN/build/src下创建这些库:

libmkldnn.so
libmkldnn.so.0
libmkldnn.so.0.14.0。

将这些库和步骤2中生成的库复制到/usr/local/mkl-dnn/lib.

将以下文件从MKLDNN/include复制到/usr/local/ mml -dnn/include:

mkldnn.h
mkldnn.hpp
mkldnn_debug.h
mkldnn_types.h

5.将MATLAB环境变量INTEL_MKLDNN设置为/usr/local/mkl-dnn.在MATLAB命令窗口中输入:

setenv (“INTEL_MKLDNN”，”/usr/local/mkl-dnn”)

在PATH变量中添加/usr/local/ mml -dnn/lib:

                              setenv (“LD_LIBRARY_PATH”,采用“INTEL_MKLDNN”) filesep“自由”pathsep getenv (“LD_LIBRARY_PATH”)));
                             

如果您还没有这样做，那么还应该为Linux设置环境变量。在Linux终端中使用Linux语法设置变量LD_LIBRARY_PATH为/usr/local/mkl-dnn/lib，环境变量INTEL_MKLDNN为/usr/local/mkl-dnn.

更多答案(12)

比尔周 2021年5月13日

3.
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_699143

编辑:比尔周 2022年7月29日

注:以下内容适用于R2021a和更新版本的MATLAB Coder和MKL-DNN v1.4 在这里．对于更新的版本，请参阅下面的下一个答案。

注意:英特尔最近将库从mml - dnn重命名为oneDNN，因此我们可以互换使用mml - dnn和oneDNN。

背景

下面描述了Windows和Linux平台上的MKL-DNN的构建说明。

要从源代码构建英特尔mml - dnn库，您必须具备:

操作系统与Intel 64架构支持金宝app
c++编译器与c++ 11标准的支持金宝app
CMake 2.8.11及以上版本

Windows mml - dnn构建指令

这些MKL-DNN构建步骤已经在64位Windows平台上使用Visual Studio 2017 version 15.0进行了验证。如果您想使用更新版本的Visual Studio来构建可工作的MKL-DNN库，请自行决定是否使用它。

1.从此链接下载mml - dnn v1.4源代码( https://github.com/oneapi-src/oneDNN/archive/v1.4.zip )，并提取源代码。此操作将创建文件夹 onednn - 1.4 ．

2.在Windows命令行中，将当前目录更改为 onednn - 1.4 ．生成Microsoft Visual Studio解决方案“Intel(R) MKL-DNN”。通过运行这些命令:

                              mkdir构建
                             
                              cd构建
                             
                              cmake“Visual Studio 15 2017 Win64”..

3.将当前目录更改为 onednn - 1.4 \构建．执行如下命令:

cmake——构建。——配置版本

该操作在文件夹中创建这些库 onednn - 1.4 \制造\ src \释放：

dnnl.lib
dnnl.dll

在文件夹里面 C:\Program Files ，创建名为 mkl-dnn ．然后，在文件夹内 C:\Program Files\mkl-dnn ，创建名为自由．将生成的库复制到文件夹中 C:\Program Files\mkl-dnn\lib ．

在Windows操作系统中，只有启用了8.3文件名，才允许在路径中使用特殊字符和空格。如果没有启用，请更换 C:\Program Files\mkl-dnn\lib 通过不包含空格的路径。有关8.3文件名的更多信息，请参阅Windows文档。

复制包含文件 onednn - 1.4 \包括而且 onednn - 1.4 \制造\包括来 C:\Program Files\mkl-dnn\include ．

4.设置MATLAB环境变量 INTEL_MKLDNN 来 C:\Program Files\mkl-dnn ．在MATLAB命令提示符中，输入:

setenv (“INTEL_MKLDNN”，“C: \ Program Files \ mkl-dnn”）

添加 C:\Program Files\mkl-dnn\lib 到PATH变量:

                              setenv (“路径”,采用“INTEL_MKLDNN”) filesep“自由”pathsep getenv (“路径”)))
                             

5.如果还没有这样做，则必须为Windows设置环境变量。在Windows命令行输入:

集路径=% %路径;C:\Program Files\mkl-dnn\lib

属性 INTEL_MKLDNN 的环境变量 C:\Program Files\mkl-dnn ．

Linux MKL-DNN构建指令

c++编译器要求:

从GNU编译器集合中安装任意一个GNU编译器版本。版本包括4.8、5.4、6.1、7.2和8.1。

1.从此链接下载mml - dnn v1.4源代码( https://github.com/oneapi-src/oneDNN/archive/v1.4.tar.gz )，然后在Linux终端上执行以下命令解压源代码:

焦油-xvzf oneDNN-1.4.tar.gz

此操作将创建文件夹 onednn - 1.4 ．

2.要生成用于编译的makefile，请在终端上从 onednn - 1.4 文件夹:

                              mkdir- p构建
                             
                              cd构建
                             
                              cmake-DCMAKE_BUILD_TYPE =释放. .

3.要构建库，请在终端上从 onednn - 1.4 /构建文件夹:

使- j

这些命令在文件夹中创建这些库 onednn - 1.4 /构建/ src ：

libdnnl.so
libdnnl.so.1
libdnnl.so.1.4

将这些库复制到 /usr/local/mkl-dnn/lib ．

复制包含文件 onednn - 1.4 /包括而且 onednn - 1.4 /构建/包括来 /usr/local/mkl-dnn/include ．

4.设置MATLAB环境变量 INTEL_MKLDNN 来 /usr/local/mkl-dnn ．在MATLAB命令行输入:

setenv (“INTEL_MKLDNN”，”/usr/local/mkl-dnn”)

5.添加 /usr/local/mkl-dnn/lib 到路径变量:

                              setenv (“LD_LIBRARY_PATH”,采用“INTEL_MKLDNN”) filesep“自由”pathsep getenv (“LD_LIBRARY_PATH”)));
                             

如果您还没有这样做，那么您必须为Linux设置环境变量。在Linux终端上使用Linux语法设置变量 LD_LIBRARY_PATH 来 /usr/local/mkl-dnn/lib ，为环境变量 INTEL_MKLDNN 来 /usr/local/mkl-dnn ．

macOS mml - dnn构建指令

c++编译器要求:

安装支持的Xco金宝appde版本//www.tatmou.com/金宝appsupport/requirements/supported-compilers.html．

1.从此链接下载mml - dnn v1.4源代码( https://github.com/oneapi-src/oneDNN/archive/v1.4.tar.gz )，然后在终端运行下面的命令来解压源代码:

焦油-xvzf oneDNN-1.4.tar

此操作将创建文件夹 onednn - 1.4 ．

2.macOS clang编译器不附带OpenMP。要获得一个OpenMP启用的mkldnn库，你必须安装brew和libomp:

a.在bash终端执行该命令，在主机mac PC上安装home brew软件

                              /usr/bin/ruby - e"$(curl - ssl https://raw.githubusercontent.com/Homebrew/install/master/install)"
                             

b.使用brew with命令安装OpenMP:

＄(BREW_INSTALL_PATH) /酿造安装libomp

3.要生成用于编译的makefile，请在终端上从 onednn - 1.4 文件夹:

                              mkdir- p构建
                             
                              cd构建
                             
                              ＄(CMAKE_INSTALL_PATH) cmake . .-DOpenMP_CXX_FLAGS =-Xclang -fopenmp -I$(OMP_INSTALL_PATH)/include"-DOpenMP_C_FLAGS =-Xclang -fopenmp -I$(OMP_INSTALL_PATH)/include"-DOpenMP_CXX_LIB_NAMES=libomp -DOpenMP_libomp_LIBRARY=＄(OMP_INSTALL_PATH) / lib / libomp。dylib -DCMAKE_SHARED_LINKER_FLAGS =“- l (OMP_INSTALL_PATH) / lib -lomp美元”

4.要构建库，请在终端上从 onednn - 1.4 /建立文件夹：

使- j

这些命令在文件夹中创建这些库 onednn - 1.4 /构建/ src ：

libdnnl.dylib
libdnnl.1.dylib
libdnnl.1.4.dylib

将这些库复制到 /usr/local/mkl-dnn/lib ．

复制包含文件 onednn - 1.4 /包括来 /usr/local/mkl-dnn/include ．

5.复制mml - dnn所需的OpenMP依赖项:

OpenMP库美元(OMP_INSTALL_PATH) / lib来/usr/local/mkl-dnn/lib
OpenMP包含的文件(OMP_INSTALL_PATH) /包括美元来/usr/local/mkl-dnn/include

6.OpenMP库路径硬绑定到mkldnn库。要列出这个硬绑定，运行下面的命令:

otool- l libdnnl.dylib

7.必须更改路径的这种硬绑定，以便可移植到其他mac机器。要做到这一点，运行:

                              install_name_tool改改/usr/local/opt/libomp/lib/libomp.dylib @rpath / libomp。dylib libdnnl.1.dylib
                             
                              install_name_toolid“@rpath / libomp。dylib”libomp.dylib

改变, rpath 的可移植性 mkldnn / OpenMP 库到其他MAC机器。这避免了任何运行时链接问题。

8.设置MATLAB环境变量 INTEL_MKLDNN 来 /usr/local/mkl-dnn ．在MATLAB命令行输入:

setenv (“INTEL_MKLDNN”，”/usr/local/mkl-dnn”)

7评论
显示隐藏旧的评论

Junyu全 2021年8月13日

嗨,比尔。

我按照你的教程完成了所有的操作，但是还是有一些错误。

p码似乎是空的.....

你知道为什么会这样吗?

顺便说一下。在第4步和第5步，代码似乎不能工作，所以我在系统设置中添加了环境变量

登录评论。

比尔周 2020年6月11日

1
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_449741

编辑:比尔周 2021年5月13日

注:以下内容适用于MATLAB Coder和mml - dnn v1.0版本的R2020a和R2020b版本在这里．对于更新的版本，请参阅下面的下一个答案。

注意:英特尔最近将库从mml - dnn重命名为oneDNN，因此我们可以互换使用mml - dnn和oneDNN。

背景

下面描述了Windows和Linux平台上的MKL-DNN的构建说明。

要从源代码构建英特尔mml - dnn库，您必须具备:

操作系统与Intel 64架构支持金宝app
c++编译器与c++ 11标准的支持金宝app
CMake 2.8.11及以上版本

Windows mml - dnn构建指令

c++编译器要求:

Microsoft Visual c++ 14.0 (Visual Studio 2015 Update 3)
如果您在构建mml - dnn时遇到编译错误，请使用MSVC编译器19.16版。Xx或更新

1.从链接下载mkldnn v1.0源代码( https://github.com/oneapi-src/oneDNN/archive/v1.0.zip )，并提取源代码。此操作将创建文件夹 onednn - 1.0 ．

2.生成Microsoft Visual Studio解决方案“Intel(R) MKL-DNN”。在at命令行中运行这些命令 onednn - 1.0 文件夹:

                             mkdir构建
                            
                             cd构建
                            
                             cmake“Visual Studio 15 2017 Win64”..

3.在命令行at中运行以下命令 onednn - 1.0 \构建文件夹:

cmake——构建。——配置版本

该操作在文件夹中创建这些库 onednn - 1.0 \制造\ src \释放：

mkldnn.lib
mkldnn.dll

将这些生成的库复制到 C:\Program Files\mkl-dnn\lib ．

注意，在Windows操作系统上，只有启用了8.3文件名，才允许在路径中使用特殊字符和空格。如果没有启用，请更换 C:\Program Files\mkl-dnn\lib 使用不包含空格的路径。有关8.3文件名的更多信息，请参阅Windows文档。

复制包含文件 onednn - 1.0 \包括而且 onednn - 1.0 \制造\包括来 C:\Program Files\mkl-dnn\include ．

4.设置MATLAB环境变量 INTEL_MKLDNN 来 C:\Program Files\mkl-dnn ．在MATLAB命令提示符中，输入:

setenv (“INTEL_MKLDNN”，“C: \ Program Files \ mkl-dnn”）

添加 C:\Program Files\mkl-dnn\lib 到路径变量。

                             setenv (“路径”,采用“INTEL_MKLDNN”) filesep“自由”pathsep getenv (“路径”)))
                            

5.如果还没有这样做，则必须为Windows设置环境变量。在Windows命令提示符中输入:

集路径=% %路径;C:\Program Files\mkl-dnn\lib

还可以创建和设置 INTEL_MKLDNN 环境变量在Windows中指向 C:\Program Files\mkl-dnn

Linux MKL-DNN构建指令

c++编译器要求:

安装GNU编译器集合4.8、5.4、6.1、7.2和8.1中的任意一个GNU编译器版本

1.从链接下载mkldnn v1.0源代码( https://github.com/oneapi-src/oneDNN/archive/v1.0.tar.gz )，然后在终端上运行这个命令来解压源代码:

焦油-xvzf oneDNN-1.0.tar.gz

此操作将创建文件夹 onednn - 1.0 ．

2.要生成用于编译的makefile，请在终端上从 onednn - 1.0 文件夹:

                             mkdir- p构建
                            
                             cd构建
                            
                             cmake-DCMAKE_BUILD_TYPE =释放. .

3.要构建库，请在终端上从 onednn - 1.0 /构建文件夹:

使- j

这些命令在文件夹中创建这些库 onednn - 1.0 /构建/ src ：

libmkldnn.so
libmkldnn.so.0
libmkldnn.so.1.0.0.0

将这些库复制到 /usr/local/mkl-dnn/lib ．

复制包含文件 onednn - 1.0 /包括而且 onednn - 1.0 /构建/包括来 /usr/local/mkl-dnn/include ．

4.设置MATLAB环境变量 INTEL_MKLDNN 来 /usr/local/mkl-dnn ．在MATLAB命令提示符中，输入:

setenv (“INTEL_MKLDNN”，”/usr/local/mkl-dnn”)

5.添加 /usr/local/mkl-dnn/lib 到路径变量:

                             setenv (“LD_LIBRARY_PATH”,采用“INTEL_MKLDNN”) filesep“自由”pathsep getenv (“LD_LIBRARY_PATH”)));
                            

如果您还没有这样做，那么您必须为Linux设置环境变量。在Linux终端中使用Linux语法设置该变量 LD_LIBRARY_PATH 来 /usr/local/mkl-dnn/lib ，为环境变量 INTEL_MKLDNN 来 /usr/local/mkl-dnn ．

macOS MKL-DNN构建说明(适用于R2020b及更新版本)

c++编译器要求:

安装https:金宝app//www.tatmou.com/support/requirements/supported-compilers.html中提到的支持的Xcode版本

1.从链接中下载mkldnn v1.0源代码，在终端执行以下命令进行解压:

焦油-xvzf mkl-dnn-1.0.tar.gz

此操作将创建文件夹 mkl - - 1.0款．

2.macOS clang编译器不附带OpenMp。要启用OpenMp mkldnn库，我们需要安装啤酒,libomp

a.在主机mac PC上使用bash终端安装home brew

                             /usr/bin/ruby - e"$(curl - ssl https://raw.githubusercontent.com/Homebrew/install/master/install)"
                            

b.使用brew with命令安装OpenMp

＄(BREW_INSTALL_PATH) /酿造安装libomp

3.要生成用于编译的makefile，在终端的mkl-dnn-1.0文件夹中运行以下命令:

                             mkdir- p构建
                            
                             cd构建
                            
                             ＄(CMAKE_INSTALL_PATH) cmake . .-DOpenMP_CXX_FLAGS =-Xclang -fopenmp -I$(OMP_INSTALL_PATH)/include"-DOpenMP_C_FLAGS =-Xclang -fopenmp -I$(OMP_INSTALL_PATH)/include"-DOpenMP_CXX_LIB_NAMES=libomp -DOpenMP_libomp_LIBRARY=＄(OMP_INSTALL_PATH) / lib / libomp。dylib -DCMAKE_SHARED_LINKER_FLAGS =“- l (OMP_INSTALL_PATH) / lib -lomp美元”

这些命令在文件夹mml -dnn-1.0/build/src中创建这些库:

libmkldnn.dylib
libmkldnn.0.dylib
libmkldnn.1.0.0.0.dylib

将这些库复制到 /usr/local/mkl-dnn/lib ．

复制包含文件 mkld - - 1.0款/包括来 /usr/local/mkl-dnn/include ．

4.复制mkldnn所需的OpenMp依赖项

OpenMP库美元(OMP_INSTALL_PATH) / lib来/usr/local/mkl-dnn/lib
OpenMP包含的文件(OMP_INSTALL_PATH) /包括美元来/usr/local/mkl-dnn/include

5.OpenMp库路径硬绑定到mkldnn库。下面的命令将列出这方面

otool- l libmkldnn.dylib

6.必须更改路径的这种硬绑定，以便可移植到其他mac机器。使用下面的命令

                             install_name_tool改改/usr/local/opt/libomp/lib/libomp.dylib @rpath / libomp。dylib libmkldnn.0.dylib
                            
                             install_name_toolid“@rpath / libomp。dylib”libomp.dylib

更改为rpath将使mkldnn/OpenMP库可移植到不同的mac机器。这避免了任何运行时链接问题。

7.将MATLAB环境变量INTEL_MKLDNN设置为/usr/local/mkl-dnn.在MATLAB命令提示符中，输入:

setenv (“INTEL_MKLDNN”，”/usr/local/mkl-dnn”)

9日评论
显示隐藏旧的评论

保安族余 2020年11月17日

我有一个关于windows下安装指南MATLAB 2020a的问题:

所有构建的库文件折叠 onednn - 1.0 ．应复制至 C:\Program Files\mkl-dnn

所以我应该做的是创建mkl-dnn/lib和mkl-dnn/include文件，然后将oneDNN-1.0中内置的文件分别复制到mkl-dnn/lib和mkl-dnn/include?然而，它不工作(下面的错误，似乎mkl-dnn没有正确安装)，可能是因为我使用了MATLAB 2020b?我正在安装2020a…

                                  使模拟目标"deployment_C_2_sfun"，.．.
                                 
                                  错误:“agentData1”做不指定类型
                                 
                                  agentData1。mat_policy_9_1_1_1_1_1_1_1_锚;
                                 
                                  ^~~~~~~~~~
                                 
                                  gmake: *** [deployment_C_2_sfun.]obj)错误－1
                                 
                                  组件:Make |类别:Make error
                                 
                                  不能创建mex函数deployment_C_2_sfun。模拟需要Mexw64 '。
                                 
                                  组件:Simulin金宝appk |类别:模型错误

我也检查了我的mkl-dnn文件安装在anaconda3，也有bin苍蝇和许可证!那么我的安装有什么问题吗?

--------------------------------------------------------------------------------------------------------------------------------------------------

Anaconda3中的mkl-dnn

提前谢谢!!

Praveen Kumar Gajula 2021年8月16日

嗨Junyu,

您需要创建文件夹“mkl-dnn”，“lib”并将库复制到 C:\Program Files\mkl-dnn\lib ．

谢谢,

Praveen

登录评论。

小琪 2020年1月9日

0
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_409408

嗨,比尔。

我相信你的步骤需要更新，因为github中的mkl-dnn库发生了变化。我无法按照你的步骤去做。

谢谢

查理

2的评论
显示隐藏旧的注释

比尔周 2020年6月11日

请参阅下面mml - dnn v1.0的更新说明。

登录评论。

Sviatoslav绝 2020年2月4日

0
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_413683

我有这样一个错误:未定义的函数或变量'IsAvx512Proc'。

我想，如果我的英特尔处理器不支持Avx512，那么它就会使用Avx2。金宝app这有意义吗?有人尝试过英特尔i5-8265u的MKL-DNN吗?

0评论
显示隐藏-1旧的注释

登录评论。

Praveen Kumar Gajula 2020年2月7日

0
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_414255

嗨Sviatoslav,

我们很遗憾听到你遇到了麻烦。

你是对的，如果英特尔proc不支持Avx512, mkldnn应该使用Avx2。金宝app

处理器i5-8265u应该能够使用mkldnn而没有任何问题。

我们这边有一个包安装程序问题，它没有发布'IsAvx512Proc'方法。因此你会看到这个错误。你能告诉我你使用的MATLAB版本是什么吗?你最近有没有对它进行升级?

谢谢你！

Praveen。

4评论
显示隐藏旧的评论

Tohru Kikawada 2020年5月3日

我认为在构建之前需要设置c++编译器。请尝试 Mex setup c++ ．下面的链接解释了更多细节。

//www.tatmou.com/help/matlab/matlab_external/choose-c-or-c-compilers.html

登录评论。

Praveen Kumar Gajula 2020年3月14日

0
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_420084

你好,

从这张照片上看，错误不清楚。你能给我们分享一下错误报告吗?

您还能分享一下您正在试用的MATLAB版本细节和示例链接吗?

谢谢你！

Praveen。

1评论
显示隐藏 None

莎拉alamri 2020年3月15日

编辑:莎拉alamri 2020年3月15日

report.mat

这是附件中的错误报告

我使用Matlab R2019b

我也尝试了这个说明安装MKL DNN

https://docs.microsoft.com/en-us/cognitive-toolkit/setup-buildmkldnn-vs17

你的指导也没用

我也尝试了所有的例子在matlab网站，有关YOLO代码生成器..都是同样的错误

所有我想从这是转换我的代码“其中包含一个yolo检测器”到C，所以我可以结合它与一个android应用程序。

登录评论。

Praveen Kumar Gajula 2020年3月16日

0
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_420279

编译错误是因为mkldnn.hpp文件未找到。

" c:\users\witch\documents\matlab\examples\r2019b\deeplearning_shared\yolov2objectdetectionusingintelmkldnnexample\codegen\mex\yolov2_detection\MWCNNLayerImpl.hpp(10):致命错误C1083:无法打开包含文件:'mkldnn.hpp':没有这样的文件或目录

＂

你能检查一下你是否正确设置了INTEL_MKLDNN路径，如步骤-所述

setenv('INTEL_MKLDNN'， 'C:\Program Files\mkl-dnn\')

另外，请确保文件夹中没有空格

你正在尝试密码原。
MKLDNN库所在的位置。

谢谢你！

Praveen。

3评论
显示隐藏旧的评论

Praveen Kumar Gajula 2020年3月16日

如果我们不设置INTEL_MKLDNN路径，我们尝试了相同的示例，并发现了与您的相同的日志。

目前，您看到的日志类似于withOutMKLDNNPath.txt中的日志，其中INTEL_MKLDNN未在MATLAB中设置。如果你适当地设置它，你应该看到类似于withMKLDNNPATH的日志

谢谢你！

Praveen。

登录评论。

莎拉alamri 2020年3月17日

0
链接

直接链接到这个答案

https://es.mathworks.com/matlabcentral/answers/447387-matlab-coder-how-do-i-build-the-intel-mkl-dnn-library-for-deep-learning-c-code-generation-and-dep#answer_420602

编辑:莎拉alamri 2020年3月17日

report2.mat

现在我使用matlab R2019b在附件中出现了这个错误

并利用matlab R2019a实现此错误

                             ?？?错误生成网络yoloV2CatDetector_0的代码。代码生成
                            
                             YOLOv2TransformLayermkldnn目标不支持yolov2Transf金宝apporm。看文档
                            
                             为一个列表每个目金宝app标的支持层。

我使用mkldnn V0.14

我还安装了minGW v17，我相信它支持openMP金宝app