MKL-DNN的深度学习网络代码生成

与MATLAB^®编码器™，你可以从一个已经训练好的卷积神经网络(CNN)中生成用于预测的代码，目标是一个使用英特尔(Intel)的嵌入式平台^®处理器。代码生成器利用了用于深神经网络（MKL-DNN）的英特尔数学内核库。生成的代码利用输入中指定的架构，图层和参数来实现CNNSeriesNetwork(深度学习工具箱)或者DAGNetwork(深度学习工具箱)网络对象。

使用以下方法生成代码:

标准的codegen来自MATLAB代码的C / C ++代码的命令。
的MATLAB编码器应用程序。

要求

在Windows上^®，用于深度学习网络的代码生成codegen功能需要微软^®Visual Studio^®2015年或以后。
MATLAB编码器接口的深度学习库．要安装此支持包，请从MATLAB金宝app中选择它附加组件菜单。
英特尔深度神经网络数学内核库
深度学习工具箱™。
编译器和库的环境变量。有关更多信息，请参见深度学习的先决条件与MATLAB编码器．

使用代码生成`codegen`

用MATLAB编写一个入口点函数:

用来coder.loadDeepLearningNetwork函数构造并设置CNN网络对象。有关更多信息，请参见为代码生成加载预训练的网络．
打电话给预测(深度学习工具箱)网络上网络的方法输入。
指定A.MiniBatchSize在里面预测用于管理多个输入图像或观察的预测的存储器使用的方法。

例如：

功能= googlenet_predict(中)% # codegen持久性对象mynet用于加载系列网络对象。%在第一次调用此函数时，将构造持久对象并%设置。当函数被调用之后，同一个对象将被重用%来对输入调用predict，从而避免重构和重新加载%网络对象。持续的mynet;如果isempty（mynet）mynet = coder.loaddeeplearningnetwork（“googlenet”）;结束输入通入=预测(mynet,,“MiniBatchSize”2);

为MEX或静态或动态链接库创建代码生成配置对象。要为MKL-DNN指定代码生成参数，请设置DeeplearningConfig属性到一个编码器。MklDNNConfig对象，用于创建coder.deeplearningconfig．
```
cfg = coder.config (“自由”）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”）;
```
运行codegen命令。使用配置选项指定配置对象。使用arg游戏选项指定输入类型。输入大小与googleet网络的输入层大小相对应16不同的图像或观察。
```
codegen配置cfggooglenet_predict.arg游戏{(224224 3 16)的}报告
```
请注意

您可以为代码生成指定半精度输入。但是，代码生成器类型将输入转换为单精度。深度学习工具箱使用单精度，浮点算法的所有计算在MATLAB。

生成的代码

网络生成为一个包含层类数组的c++类。的设置()方法为网络对象的每一层设置句柄并分配内存。的预测()方法对网络中的每个层调用预测。代码生成器生成该函数googlenet_predict ()在googlenet_predict.cpp对应MATLAB入口点函数。此函数为网络构造静态对象，并调用设置和预测方法。

二进制文件被导出为具有参数的层，如网络中的全连接层和卷积层。例如,文件cnn_googlenet_conv * _w和cnn_googlenet_conv * _b对应于网络中的卷积层的权重和偏置参数。