使用Intel MKL-DNN的卷积LSTM网络代码生成

这个示例使用:

这个例子展示了如何为深度学习网络生成MEX函数，该网络包含卷积和双向长短期记忆(BiLSTM)层，使用英特尔深度神经网络数学内核库(MKL-DNN)。生成的MEX函数从指定的视频文件中读取数据作为视频帧序列，并输出一个标签，用于对视频中的活动进行分类。有关该网络培训的更多信息，请参见示例使用深度学习对视频进行分类(深度学习工具箱)．

第三方的先决条件

英特尔深度神经网络数学内核库
有关支持MKL-DNN库的处理器列表，请参见金宝appMKLDNN CPU支金宝app持
有关编译器和库支持版本的更多信息，请参见金宝app深度学习的先决条件与MATLAB编码器

这个例子支持Mac®，Linux金宝app®和Windows®平台，不支持MATLAB在线。

准备输入

读取视频文件pushup.mp4通过使用readvideo辅助函数包含在支持文件中。金宝app若要查看视频，请遍历视频文件的各个帧，并使用imshow函数。

文件名=“pushup.mp4”；视频= readVideo(文件名);numFrames =大小(视频、4);数字为帧=视频(:，:，:，i);imshow(帧/ 255);drawnow结束

将输入的视频帧裁剪为训练后的网络的输入大小centerCrop作为支持文件附加的助手函数。金宝app

inputSize = [224 224 3];视频= centerCrop(视频、inputSize);

的`video_classify`入口点函数

的video_classify.m入口点函数将图像序列传递给训练好的网络进行预测。该函数使用示例中训练的卷积LSTM网络使用深度学习对视频进行分类(深度学习工具箱)．函数从文件中加载网络对象net.mat文件转换为持久变量，然后使用分类(深度学习工具箱)函数执行预测。在随后的调用中，该函数重用已经加载的持久对象。

类型(“video_classify.m”）

在执行第一个函数调用期间，网络对象%被加载到持久变量mynet中。在随后的调用中，这个加载的%对象将被重用。持久mynet;if isempty(mynet) mynet = code . loaddeeplearningnetwork ('net.mat');end %提供输入并执行预测输出= classification (mynet,in);

生成墨西哥人

要生成MEX函数，请创建编码器。MexCodeConfig对象cfg．设置TargetLang的属性cfgc++。使用编码器。DeepLearningConfig函数为MKL-DNN创建一个深度学习配置对象。将其分配给DeepLearningConfig财产的cfg．

cfg = coder.config (墨西哥人的）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”）;

运行getVideoClassificationNetwork下载视频分类网络并将网络保存到MAT文件中net.mat．

getVideoClassificationNetwork ();

使用coder.typeof函数指定入口点函数的输入参数的类型和大小。在这个例子中，输入是具有大小的double类型(224 224)一个可变的序列长度。

Input = coder.typeof(double(0)，[224 224 3 Inf]，[false false false true]);

控件生成一个MEX函数codegen命令。

codegen配置cfgvideo_classifyarg游戏{输入}报告

代码生成成功:查看报告

运行生成的墨西哥人

使用中间裁剪的视频输入运行生成的MEX函数。

输出= video_classify_mex(视频)

输出=分类俯卧撑

将预测叠加到输入视频上。

视频= readVideo(文件名);numFrames =大小(视频、4);数字为帧=视频(:，:，:，i);frame = insertText(frame， [1 1]， char(output)，“输入TextColor”， [255 255 255]，“字形大小”30岁的“BoxColor”， [0 0 0]);imshow(帧/ 255);drawnow结束