通过使用加载网络coder.loadDeepLearningNetwork

您可以通过使用金宝appcoder.loadDeepLearningNetwork．您可以从mat -文件指定网络。mat -文件必须只包含要加载的网络。

例如，假设您创建了一个名为myNet通过使用trainNetwork(深度学习工具箱)功能。然后，您通过输入保存工作区保存．这将创建一个名为matlab.mat包含网络对象的。加载网络对象myNet,输入:

网= coder.loadDeepLearningNetwork (“matlab.mat”）;

您还可以通过提供返回预先训练的函数的名称来指定网络SeriesNetwork，DAGNetwork，yolov2ObjectDetector,或ssdObjectDetector对象,如:

例如，通过输入:

网= coder.loadDeepLearningNetwork (“googlenet”）;

前面列表中的深度学习工具箱™功能要求您安装该功能的支持包。金宝app看到普里德深度神经网络(深度学习工具箱)．

指定用于代码生成的网络对象

如果使用使用的代码codegen或应用程序，通过使用将网络对象加载到您的入口点功能内coder.loadDeepLearningNetwork．例如:

函数= myNet_predict(中)% # codegen持续的mynet;如果isempty（mynet）mynet = coder.loaddeeplearningnetwork（“matlab.mat”）;结束=预测(mynet,);

对于支持包功能可用的预先训练的网络，例如金宝appAlexNet.，inceptionv3，googlenet， 和resnet，可以直接指定支持包函数，例如金宝appmynet = googlenet．

接下来，为入口点函数生成代码。例如:

cfg = coder.config (墨西哥人的）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”）;codegenarg游戏{(224224 3,“单”)}配置cfgmyNet_predict

指定一个dlnetwork代码生成的对象

假设你有一个预先训练过的dlnetwork中的网络对象mynet.matMAT-file。为了预测这个网络的响应，在MATLAB中创建一个入口点函数^®如代码所示。

函数a = myDLNet_predict(in) dlIn = dlarray(in)SSC的）;持续的dlnet;如果isempty(dlnet) dlnet = code . loaddeeplearningnetwork (“mynet.mat”）;结束dlA =预测(dlnet, dlIn);一个= extractdata (dlA);结束

在此示例中，输入和输出到myDLNet_predict是更简单的数据类型和dlarray对象在函数中创建。的extractdata(深度学习工具箱)的方法dlarray对象中返回的数据dlarray国防后勤局作为输出myDLNet_predict．输出一个具有与底层数据类型相同的数据类型国防后勤局．该入口设计具有以下优点：

接下来，为入口点函数生成代码。例如:

cfg = coder.config (“自由”）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”）;codegenarg游戏{(224224 3,“单”)}配置cfgmyDLNet_predict