为深度学习网络生成通用C/ c++代码- MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

为深度学习网络生成通用的C/ c++代码

与MATLAB^®编码器™，您可以从一个已经训练过的卷积神经网络(CNN)生成用于预测的通用C或c++代码。生成的C/ c++代码不依赖于任何第三方库。生成的代码使用输入中指定的架构、层和参数实现CNNSeriesNetwork(深度学习工具箱)或DAGNetwork(深度学习工具箱)网络对象。看到支持代码生成的网络和层金宝app．

使用以下方法生成代码:

标准的codegen命令，由MATLAB代码生成C/ c++代码。
的MATLAB编码器应用程序。

需求

在Windows上^®，用于深度学习网络的代码生成codegen功能要求微软^®Visual Studio^®或MinGW^®编译器。
深度学习库的MATLAB编码器接口．要安装这个支持包，请从MATLA金宝appB中选择它附加组件菜单。
深度学习工具箱™。

使用代码生成`codegen`

在MATLAB中编写一个入口点函数:

使用coder.loadDeepLearningNetwork函数来构造和建立CNN网络对象。有关更多信息，请参见加载预训练网络以生成代码．
调用预测(深度学习工具箱)方法对网络的入口点函数进行输入。
指定一个MiniBatchSize在预测方法来管理用于预测多个输入图像或观测的内存使用。

例如:

函数= my_predict(中)% # codegen%持久化对象mynet用于加载系列网络对象。在第一次调用这个函数时，将构造持久对象%设置。当后续调用该函数时，将重用相同的对象%调用预测输入，从而避免重新构造和重新加载%网络对象。持续的mynet;如果isempty(mynet) mynet = code . loaddeeplearningnetwork (“myNetwork.mat”）;结束输入通过率=预测(mynet,,“MiniBatchSize”2);

创建深度学习配置对象dlconfig，它被配置为通过使用编码器。DeepLearningConfig函数。
```
dlconfig =编码器。DeepLearningConfig (TargetLibrary =“没有”）;
```
为MEX或静态或动态链接库创建代码生成配置对象。默认情况下，代码生成器生成泛型C代码。要生成泛型c++代码，在代码生成配置对象中，设置TargetLang参数“c++”．设置DeepLearningConfig参数设置为先前创建的对象dlconfig．
```
cfg = coder.config (“自由”）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig = dlconfig;
```
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。
```
codegen配置cfgmy_predictarg游戏{myInput}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强制转换为单精度。深度学习工具箱使用单精度，浮点算法在MATLAB中的所有计算。