主要内容

coder.ARMNEONConfig

参数来配置深度学习代码生成与手臂计算库

描述

coder.ARMNEONConfig对象包含ARM®计算库和目标的具体参数代码生成用途,用于生成C ++代码用于深神经网络。

要使用coder.ARMNEONConfig对象用于代码生成,将其分配给DeepLearningConfig代码生成配置对象的属性代码生成

创建

通过使用创建一个ARM NEON配置对象coder.deeplearningconfig与目标库设置为功能“臂-计算”

特性

展开全部

ARM的版本计算库用于在目标硬件,指定为字符向量或标量的字符串。如果设置ArmComputeVersion到版本高于'20 .02.1'ArmComputeVersion被设定为'20 .02.1'

ARM架构支持目标硬件,指定为字符金宝app向量或字符串标量。指定的架构必须与目标硬件上ARM Compute库的体系结构相同。

ARMArchitecture必须对这些案件进行指定:

  • 你不使用硬件支持包(金宝app硬件代码生成配置对象的属性是空的)。

  • 您使用硬件支持包,但仅生成代码。金宝app

指定支持层中推理计算的精度。金宝app在32位浮点数中执行推理时,使用'FP32'。对于8位整数,使用'int8'。默认值是'FP32'

含校准数据MAT-文件的位置。默认值是“”。此选项仅适用时数据类型被设定为'int8'

当深卷积神经网络进行量化,将校准(深学习工具箱)功能行使网络和收集在卷积的重量和偏见和网络的完全连接层和在网络的所有层的激活的动态范围的动态范围。以生成用于量化网络代码,保存从结果校准使用此属性将该存储器文件的位置指定到代码生成器的函数。有关更多信息,请参阅代码生成量化深学习网络

目标库,指定为特征向量的名称。

例子

全部收缩

创建一个入口点函数squeezenet使用该coder.loadDeepLearningNetwork装载的功能squeezenet(深学习工具箱)目的。

功能OUT = squeezenet_predict(上)执着的我的网;如果isempty(mynet)mynet = coder.loaddeeplearningnetwork('挤压''挤压');结尾OUT =预测(我的网,在);

创建一个coder.config用于产生静态库的配置对象。

CFG = coder.config('LIB');

设置目标语言C ++。指定要生成唯一的源代码。

cfg.targetlang ='C ++';cfg.GenCodeOnly = TRUE;

创建一个coder.ARMNEONConfig深度学习配置对象。它分配给DeepLearningConfig财产的财产CFG配置对象。

dlcfg = coder.DeepLearningConfig(“臂-计算”);dlcfg.ArmArchitecture ='ARMV8';dlcfg.ArmComputeVersion ='20 .02.1';cfg.DeepLearningConfig = dlcfg;

使用-config的选择代码生成指定的功能CFG配置对象。这代码生成功能必须确定matlab的大小,类和复杂性®功能输入。使用-args选项来指定输入到入口点函数的大小。

代码生成-args{酮(227,227,3, '单')}-configCFGsqueezenet_predict

代码生成命令将所有在生成的文件代码生成文件夹。所述文件夹中包含的C ++的入口点函数代码squeezenet_predict.cpp中,含有C ++类的定义为卷积神经网络(CNN)报头,和源文件,重量,和偏置文件。

介绍了在R2019a