您可以为预先训练的卷积神经网络(CNN)生成代码。要向代码生成器提供网络,请加载一个SeriesNetwork
(深度学习工具箱),DAGNetwork
(深度学习工具箱),yolov2ObjectDetector
(计算机视觉工具箱),ssdObjectDetector
(计算机视觉工具箱),或dlnetwork
(深度学习工具箱)来自培训的网络的对象。
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:
AlexNet.
(深度学习工具箱)
densenet201
(深度学习工具箱)
googlenet
(深度学习工具箱)
inceptionv3
(深度学习工具箱)
mobilenetv2
(深度学习工具箱)
resnet18
(深度学习工具箱)
resnet50
(深度学习工具箱)
resnet101
(深度学习工具箱)
squeezenet
(深度学习工具箱)
vgg16
(深度学习工具箱)
vgg19
(深度学习工具箱)
Xcepion.
(深度学习工具箱)
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).
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
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.mat
MAT-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:
更容易与独立的代码生成工作流(如静态、动态库或可执行文件)集成。
输出的数据格式extractdata
函数具有相同的顺序('scbtu'
)的MATLAB环境和生成的代码。
改进MEX工作流的性能。
简化Simulink.金宝app®工作流使用MATLAB函数块,因为Simuli金宝appnk本身不支持金宝appdlarray
对象。
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
ssdObjectDetector
(计算机视觉工具箱)|yolov2ObjectDetector
(计算机视觉工具箱)|DAGNetwork
(深度学习工具箱)|dlarray
(深度学习工具箱)|dlnetwork
(深度学习工具箱)|SeriesNetwork
(深度学习工具箱)