部署浅神经网络功能
部署功能和工具,用于训练网络
这个函数genFunction允许独立的MATLAB®一个训练有素的浅神经网络的功能。生成的代码包含模拟神经网络所需的所有信息,包括设置,重量和偏差值,模块功能和计算。
生成的MATLAB函数可以用来检查准确的模拟计算,一个特定的浅神经网络完成,并使它更容易部署与多种神经网络用于许多MATLAB部署产品和工具。下载188bet金宝搏
这个函数genFunction使用神经网络拟合,神经网络模式识别,神经网络聚类和神经网络时间序列应用程序。这些应用程序的信息,请参阅与浅神经网络适合数据,用浅神经网络模式识别,集群自组织映射数据,浅神经网络时间序列预测和建模。
综合脚本生成的这些应用程序包括部署网络的一个例子genFunction。
为应用程序部署生成神经网络功能
这个函数genFunction生成一个独立的MATLAB函数模拟任何浅神经网络训练和准备部署。这可能是有用的几个任务:
文档的输入输出变换,神经网络用作手工重新计算模板的网络
使用MATLAB函数块创建一个模型金宝app®块
使用MATLAB编译器™:
生成独立的可执行文件
生成Excel®插件
使用MATLAB编译器SDK™:
生成C / c++库
生成com组件
生成Java®组件
生成的。net组件
使用MATLAB编码器™:
生成C / c++代码
生成高效MEX-functions
genFunction(净,“路径”)神经网络和文件路径,并产生一个独立的MATLAB函数文件filename.m。
genFunction (…,“MatrixOnly”,“是的”)覆盖默认的cell /矩阵表示法,而是生成一个函数只使用矩阵参数兼容MATLAB编码器工具。静态网络矩阵列解释为独立样本。动态网络的矩阵列解释为一系列的时间步骤。默认值是“不”。
genFunction (___,‘ShowLinks’,‘不’)禁用默认行为显示生成的链接帮助和源代码。默认值是“是的”。
这里一个静态网络训练及其输出计算。
[x, t] = bodyfat_dataset;bodyfatNet = feedforwardnet (10);bodyfatNet =火车(bodyfatNet x, t);y = bodyfatNet (x);
下面的代码生成、测试和显示一个MATLAB函数的神经网络相同的接口对象。
genFunction (bodyfatNet“bodyfatFcn”);y2 = bodyfatFcn (x);accuracy2 = max (abs (y - y2)编辑bodyfatFcn
你可以编译的新功能MATLAB编译器所需工具(许可证)共享/动态链接库世纪挑战集团。
世纪挑战集团- w自由:libBodyfat- t链接:自由bodyfatFcn
下一个代码生成另一个版本的MATLAB函数只支持矩阵参数(无细胞数组)。金宝app这个函数测试。然后它是用于生成一个MEX-functionMATLAB编码器工具codegen(需要许可证),这也是测试。
genFunction (bodyfatNet“bodyfatFcn”,“MatrixOnly”,“是的”);y3 = bodyfatFcn (x);accuracy3 = max (abs (y - y3)) x1Type = coder.typeof(双(0),[13正]);%编码器类型的输入1codegenbodyfatFcn.m配置:墨西哥人- obodyfatCodeGenarg游戏{x1Type}y4 = bodyfatCodeGen (x);accuracy4 = max (abs (y - y4))
这里一个动态网络训练及其输出计算。
[x, t] = maglev_dataset;maglevNet = narxnet (1:2, 1:2, 10);[X, Xi,人工智能,T] = preparets (maglevNet, X, {}, T);maglevNet =火车(maglevNet X, T, Xi, Ai);[y, xf,房颤]= maglevNet (X, Xi, Ai);
下一个MATLAB函数生成和测试。函数是用于创建一个共享/动态链接库世纪挑战集团。
genFunction (maglevNet“maglevFcn”);(y2、xf af) = maglevFcn (X, Xi, Ai);accuracy2 = max (abs (cell2mat (y) -cell2mat (y2))) mcc- w自由:libMaglev- t链接:自由maglevFcn
下面的代码生成另一个版本的MATLAB函数只支持矩阵参数(无细胞数组)。金宝app这个函数测试。然后它是用于生成一个MEX-functionMATLAB编码器工具codegen,这也是考验。
genFunction (maglevNet“maglevFcn”,“MatrixOnly”,“是的”);:x1 = cell2mat (X (1));%每个输入转换为矩阵x2 = cell2mat (X (2:));ξ1 = cell2mat(ξ(1:));%每个输入状态转换为矩阵ξ2)= cell2mat(ξ(2:));[y3, xf1 xf2] = maglevFcn (x1, x2)(ξ1,ξ2));accuracy3 = max (abs (cell2mat (y) y3)) x1Type = coder.typeof(双(0),[1正]);%编码器类型的输入1x2Type = coder.typeof(双(0),[1正]);%编码器类型的输入2xi1Type = coder.typeof(双(0),[1 - 2]);% 1编码器类型的输入状态xi2Type = coder.typeof(双(0),[1 - 2]);%编码器类型的输入2codegenmaglevFcn.m配置:墨西哥人- omaglevNetCodeGen…arg游戏{x1Type x2Type xi1Type xi2Type}[y4, xf1 xf2] = maglevNetCodeGen (x1, x2)(ξ1,ξ2));dynamic_codegen_accuracy = max (abs (cell2mat (y) y4))
生成模型图金宝app
用于模拟浅神经网络信息和部署训练神经网络仿真软件工具,明白了金宝app部署浅神经网络模型图金宝app。
