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。
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™。
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。
按照通常的步骤指定入口点函数和指定输入类型。看到使用MATLAB Coder App生成C代码.
在生成代码步骤:
集语言要么C或c++.
点击更多的设置.在深度学习窗格中,设置目标库来没有一个
.
生成的代码。
codegen
|编码器。DeepLearningConfig
|coder.loadDeepLearningNetwork