coder.getDeepLearningLayers

层支持代码生成的列表为一个特定的深度学习的图书金宝app馆

自从R2018b

所有的页面崩溃

coder.getDeepLearningLayers不推荐。使用analyzeNetworkForCodegen代替。有关更多信息,请参见兼容性的考虑。

语法

coder.getDeepLearningLayers

coder.getDeepLearningLayers(TargetLibrary = libraryname)

描述

coder.getDeepLearningLayers返回层支持不使用任何第三方库的代码生成金宝app。

例子

coder.getDeepLearningLayers(TargetLibrary =libraryname)返回层支持代码生成特定深度学习的图书馆金宝app。

请注意

使用coder.getDeepLearningLayers,您必须安装对应的支持包金宝applibraryname:

为“没有”,“arm-compute”,“cmsis-nn”,“mkldnn”、安装MATLAB^®编码器™界面深度学习。
为“cudnn”,“tensorrt”,或“arm-compute-mali”、安装为深入学习GPU编码器™接口。

请注意

的coder.getDeepLearningLayers函数不会列出特定的自定义层如果包没有安装相关的支持。金宝app例如,keras层没有列出如果深度学习工具箱™转换器TensorFlow™模型金宝app支持包没有安装。

例子

全部折叠

得到层支持代码生成特定金宝app深度学习的图书馆

得到一系列层支持英特尔的代码生成金宝app^®数学内核库深层神经网络。

coder.getDeepLearningLayers(TargetLibrary =“mkldnn”)

ans = 59×1单元阵列{‘AdditionLayer} {‘AnchorBoxLayer} {‘AveragePooling2DLayer} {‘BatchNormalizationLayer} {‘BiLSTMLayer} {‘ClassificationOutputLayer} {‘ClippedReLULayer} {‘ConcatenationLayer} {‘Convolution2DLayer} {‘Crop2DLayer} {‘CrossChannelNormalizationLayer} {‘DepthConcatenationLayer} {‘DepthToSpace2DLayer} {‘DicePixelClassificationLayer} {‘DropoutLayer} {‘ELULayer} {‘FeatureInputLayer} {‘FlattenLayer} {‘FocalLossLayer} {‘FullyConnectedLayer} {‘GRULayer} {‘GlobalAveragePooling2DLayer} {‘GlobalMaxPooling2DLayer} {‘GroupedConvolution2DLayer} {‘ImageInputLayer} {‘LSTMLayer} {‘LeakyReLULayer} {‘MaxPooling2DLayer} {‘MaxUnpooling2DLayer} {‘MultiplicationLayer} {‘PixelClassificationLayer} {‘RCNNBoxRegressionLayer} {‘RPNClassificationLayer} {‘ReLULayer} {‘RegressionOutputLayer} {‘Resize2DLayer} {‘SSDMergeLayer} {‘SequenceFoldingLayer} {‘SequenceInputLayer} {‘SequenceUnfoldingLayer} {‘SigmoidLayer} {‘SoftmaxLayer} {‘SpaceToDepthLayer} {‘TanhLayer} {‘TransposedConvolution2DLayer} {‘WordEmbeddingLayer} {‘YOLOv2OutputLayer} {‘YOLOv2ReorgLayer} {‘YOLOv2TransformLayer} {nnet.keras.layer。FlattenCStyleLayer’} {nnet.keras.layer。GlobalAveragePooling2dLayer’} {nnet.keras.layer。SigmoidLayer’} {nnet.keras.layer。TanhLayer’} {nnet.keras.layer。ZeroPadding2dLayer’} {nnet.onnx.layer。ElementwiseAffineLayer’} {nnet.onnx.layer。FlattenLayer’} {nnet.onnx.layer。IdentityLayer’} {‘ScalingLayer} {' SoftplusLayer '}

输入参数

全部折叠

`libraryname`- - - - - -深度学习库的名称
特征向量|字符串标量

深度学习的图书馆,在这个表指定为一个值。

价值	描述
`“arm-compute”`	手臂^®计算库针对手臂CPU处理器。要求为深入学习MATLAB编码器接口。
`“arm-compute-mali”`	臂计算库针对手臂GPU处理器。需要和GPU编码器产品为深入学习GPU编码器接口。
`“cmsis-nn”`	常见的单片机软件接口标准——神经网络(CMSIS-NN)图书馆。要求为深入学习MATLAB编码器接口。
`“cudnn”`	英伟达^®CUDA^®深层神经网络库(cuDNN)。需要和GPU编码器产品为深入学习GPU编码器接口。
`“mkldnn”`	英特尔数学内核库深层神经网络。要求为深入学习MATLAB编码器接口。
`“没有”`	`coder.getDeepLearningLayers(TargetLibrary = 'none')`返回层支持不使用任何第三方库的代码生成金宝app。这相当于调用`coder.getDeepLearningLayers`没有输入参数。要求为深入学习MATLAB编码器接口。
`“tensorrt”`	英伟达TensorRT™高性能深度学习推理优化器和运行时库。需要和GPU编码器产品为深入学习GPU编码器接口。