支持代码生成的网络和层- MATLAB和金宝appSimulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

代码生成支持的网络和层金宝app

MATLAB^®编码员™金宝app支持序列、有向无环图(DAG)和循环卷积神经网络(CNNs或ConvNets)的代码生成。您可以为任何训练有素的卷积神经网络生成代码，这些神经网络的层支持代码生成。金宝app看到金宝app支持层.

金宝app支持预训练网络

以下是深度学习工具箱中提供的预训练网络™, 支持用于代码生成的。金宝app

网络名称	描述	手臂^®计算库	英特尔^®MKL-DNN
`AlexNet`	卷积神经网络。关于预先训练的AlexNet模型，请看`alexnet`(深度学习工具箱).	是的	是的
`DarkNet`	DarkNet-19和DarkNet-53卷积神经网络。关于预先训练的DarkNet模型，请看`黑暗的19`(深度学习工具箱)和`黑暗的53`(深度学习工具箱).	是的	是的
`DenseNet-201`	DenseNet-201卷积神经网络。有关预训练的DenseNet-201模型，请参阅`densenet201`(深度学习工具箱).	是的	是的
`EfficientNet-b0`	EfficientNet-b0卷积神经网络。有关预训练的EfficientNet-b0模型，请参阅`效率ETB0`(深度学习工具箱).	是的	是的
`GoogLeNet`	卷积神经网络。关于预先训练的GoogLeNet模型，请看`googlenet`(深度学习工具箱).	是的	是的
`Inception-ResNet-v2`	Inception-ResNet-v2卷积神经网络。关于预训练的Inception-ResNet-v2模型，请参见`inceptionresnetv2`(深度学习工具箱).	是的	是的
`Inception-v3`	Inception-v3卷积神经网络。关于预训练的Inception-v3模型，请参见`inceptionv3`(深度学习工具箱).	是的	是的
`MobileNet-v2`	v2卷积神经网络。关于预先训练过的MobileNet-v2模型，请参见`mobilenetv2`(深度学习工具箱).	是的	是的
`NASNet-Large`	NASNet大型卷积神经网络。有关预训练的NASNet大型模型，请参阅`nasnetlarge`(深度学习工具箱).	是的	是的
`NASNet-Mobile`	移动卷积神经网络。关于预先训练的NASNet-Mobile模型，请参见`nasnetmobile`(深度学习工具箱).	是的	是的
`ResNet`	ResNet-18、ResNet-50和ResNet-101卷积神经网络。有关预训练的ResNet模型，请参阅`resnet18`(深度学习工具箱),`resnet50`(深度学习工具箱)和`resnet101`(深度学习工具箱).	是的	是的
`SegNet`	多类逐像素分割网络。有关更多信息，请参阅`segnetLayers`（计算机视觉工具箱）.	没有	是的
`SqueezeNet`	小型深度神经网络。关于预先训练的SqeezeNet模型，请看`squeezenet`(深度学习工具箱).	是的	是的
`VGG-16`	VGG-16卷积神经网络。有关预训练VGG-16模型，请参阅`vgg16`(深度学习工具箱).	是的	是的
`VGG-19`	vgg19卷积神经网络。关于预先训练的VGG-19模型，请参见`vgg19`(深度学习工具箱).	是的	是的
`例外`	卷积神经网络除外。关于预先训练的exception模型，请参见`例外`(深度学习工具箱).	是的	是的

金宝app支持层

下面的层是由金宝appMATLAB编码器用于表中指定的目标深度学习库。

一旦安装了支持包金宝app面向深度学习库的MATLAB编码接口，你可以使用coder.getDeepLearningLayers查看特定深度学习库所支持的层的列表。金宝app例如:

coder.getDeepLearningLayers(“mkldnn”)

图层名称	描述	臂计算库	英特尔MKL-DNN	通用的C / c++
`附加层`(深度学习工具箱)	附加层	是的	是的	是的
`anchorBoxLayer`（计算机视觉工具箱）	锚箱层	是的	是的	没有
`averagePooling2dLayer`(深度学习工具箱)	平均池层	是的	是的	没有
`batchNormalizationLayer`(深度学习工具箱)	批处理规范化层	是的	是的	没有
`bilstmLayer`(深度学习工具箱)	双向LSTM层	是的	是的	是的
`classificationLayer`(深度学习工具箱)	创建分类输出层	是的	是的	是的
`clippedReluLayer`(深度学习工具箱)	削波整流线性单元（ReLU）层	是的	是的	没有
`连接层`(深度学习工具箱)	连接层	是的	是的	没有
`convolution2dLayer`(深度学习工具箱)	二维卷积层对于代码生成，`填充值`参数必须等于`0`，为默认值。	是的	是的	没有
`crop2dLayer`(深度学习工具箱)	对输入应用二维裁剪的图层	是的	是的	没有
`CrossChannelNormalizationLayer`(深度学习工具箱)	通道局部响应规范化层	是的	是的	没有
自定义图层	自定义层，有或没有可学习的参数，您为您的问题定义。看到的: 定义自定义深度学习层(深度学习工具箱) 定义用于代码生成的自定义深度学习层(深度学习工具箱) 代码生成支持的网络和层金宝app 自定义层的输出必须是固定大小的数组。代码生成不支持顺序网络中的自定义层。金宝app 对于代码生成，自定义层必须包含`% # codegen`编译指示。	是的	是的	是的
自定义输出层	所有输出层，包括使用创建的自定义分类或回归输出层`nnet.layer.ClassificationLayer`或`nnet.layer.RegressionLayer`. 有关如何定义自定义分类输出层和指定损失函数的示例，请参见定义自定义分类输出层(深度学习工具箱). 有关如何定义自定义回归输出层和指定损失函数的示例，请参见定义自定义回归输出层(深度学习工具箱).	是的	是的	是的
`深度连接层`(深度学习工具箱)	深度连接层	是的	是的	没有
`depthToSpace2dLayer`(图像处理工具箱)	二维深度到空间层	是的	是的	是的
`DicePixelsClassificationLayer`（计算机视觉工具箱）	Dice像素分类层使用广义Dice损失为每个图像像素或体素提供分类标签。	是的	是的	没有
`落花人`(深度学习工具箱)	漏层	是的	是的	是的
`淋溶层`(深度学习工具箱)	指数线性单位(ELU)层	是的	是的	没有
`featureInputLayer`(深度学习工具箱)	特性输入层	是的	是的	是的
`压扁层`(深度学习工具箱)	展平层	是的	是的	没有
`聚焦层`（计算机视觉工具箱）	焦点丢失层使用焦点丢失预测对象类。	是的	是的	没有
`完全连接层`(深度学习工具箱)	全连通层	是的	是的	是的
`globalAveragePooling2dLayer`(深度学习工具箱)	空间数据的全局平均池层	是的	是的	没有
`GlobalMapooling2DLayer`(深度学习工具箱)	二维全局最大池化层	是的	是的	没有
`分组卷积层`(深度学习工具箱)	二维分组卷积层对于代码生成，`填充值`参数必须等于`0`，为默认值。	是的如果为指定一个整数`numGroups`，则该值必须小于或等于`2.`.	是的	没有
`泥鳅`(深度学习工具箱)	门控循环单元(GRU)层	是的	是的	是的
`imageInputLayer`(深度学习工具箱)	图像输入层不支持代码生成金宝app`“归一化”`使用函数句柄指定。	是的	是的	是的
`漏泄层`(深度学习工具箱)	泄漏整流线性单元（ReLU）层	是的	是的	没有
`lstmLayer`(深度学习工具箱)	长短期记忆(LSTM)层	是的	是的	是的
`maxPooling2dLayer`(深度学习工具箱)	马克斯池层	是的	是的	没有
`maxUnpooling2dLayer`(深度学习工具箱)	马克斯unpooling层	没有	是的	没有
`multiplicationLayer`(深度学习工具箱)	乘法层	是的	是的	是的
`像素分类层`（计算机视觉工具箱）	创建像素分类层用于语义分割	是的	是的	没有
`rcnnBoxRegressionLayer`（计算机视觉工具箱）	盒回归层快速和更快的R-CNN	是的	是的	没有
`rpnClassificationLayer`（计算机视觉工具箱）	区域提议网络分类层	是的	是的	没有
`海退层`(深度学习工具箱)	创建一个回归输出层	是的	是的	是的
`雷卢耶`(深度学习工具箱)	整流线性单元（ReLU）层	是的	是的	是的
`resize2dLayer`(图像处理工具箱)	二维调整层	是的	是的	是的
`scalingLayer`（强化学习工具箱）	演员或评论家网络的缩放层	是的	是的	没有
`sigmoidLayer`(深度学习工具箱)	乙状结肠层	是的	是的	是的
`序列折叠层`(深度学习工具箱)	层序褶皱层	是的	是的	没有
`sequenceInputLayer`(深度学习工具箱)	序列输入层对于向量序列输入，在代码生成期间特性的数量必须是常数。不支持代码生成金宝app`“归一化”`使用函数句柄指定。	是的	是的	是的
`序列展开层`(深度学习工具箱)	序列展开层	是的	是的	没有
`softmaxLayer`(深度学习工具箱)	Softmax层	是的	是的	是的
`软杀伤`（强化学习工具箱）	演员或评论家网络的Softplus层	是的	是的	是的
`spaceToDepthLayer`(图像处理工具箱)	距深层	是的	是的	没有
`ssdMergeLayer`（计算机视觉工具箱）	用于目标检测的SSD合并层	是的	是的	没有
`nnet.keras.layer.FlattenCStyleLayer`	假设c风格(行为主)顺序，将激活扁平化为一维	是的	是的	没有
`nnet.keras.layer.GlobalAveragePoolg2Dlayer`	空间数据的全局平均池层	是的	是的	没有
`nnet.keras.layer.SigmoidLayer`	乙状结肠活化层	是的	是的	没有
`nnet.keras.layer.TanhLayer`	双曲正切激活层	是的	是的	没有
`nnet.keras.layer.ZeroPadding2dLayer`	用于二维输入的零填充层	是的	是的	没有
`nnet.onnx.layer.ElementwiseAffineLayer`	层，对输入执行按元素缩放，然后添加	是的	是的	没有
`nnet.onnx.layer.FlattenLayer`	ONNX的展平层™ 网络	是的	是的	没有
`nnet.onnx.layer.IdentityLayer`	实现ONNX标识操作符的层	是的	是的	没有
`坦莱尔`(深度学习工具箱)	双曲正切（tanh）层	是的	是的	是的
`转置层`(深度学习工具箱)	转置二维卷积层代码生成不支持输入的不对称裁剪。金宝app例如，指定一个向量`[t b l r]`为`“种植”`不支持裁剪输入的顶部、底部、左侧和右侧的参数。金宝app	是的	是的	没有
`wordEmbeddingLayer`（文本分析工具箱）	单词嵌入层将单词索引映射到向量	是的	是的	没有
`yolov2OutputLayer`（计算机视觉工具箱）	YOLO v2目标检测网络的输出层	是的	是的	没有
`yolov2ReorgLayer`（计算机视觉工具箱）	YOLO v2目标检测网络的重组层	是的	是的	没有
`yolov2TransformLayer`（计算机视觉工具箱）	YOLO v2对象检测网络的变换层	是的	是的	没有

金宝app支持类

类	描述	臂计算库	英特尔MKL-DNN	通用的C / c++
`DAGNetwork`(深度学习工具箱)	深度学习的有向无环图(DAG)网络只有`激活`,`预测`和`分类`支持方法。金宝app	是的	是的	是的
`dlnetwork`(深度学习工具箱)	定制训练循环的深度学习网络代码生成只支持金宝app`输入名称`和`OutputNames`财产。不支持代码生成金宝app`dlnetwork`没有输入层的对象。代码生成`dlnetwork`带有`sequenceInputLayer`对象不受支持。金宝app 代码生成只支持金宝app`预测`对象的功能。这个`dlarray`的输入`预测`方法必须是`单`数据类型。	是的	是的	没有
`系列网络`(深度学习工具箱)	深度学习系列网络只有`激活`,`分类`,`预测`,`predictAndUpdateState`,`classifyAndUpdateState`和`resetState`支持对象函数。金宝app	是的	是的	是的
`Yolov2物体检测器`（计算机视觉工具箱）	只有`检测`（计算机视觉工具箱）的方法`Yolov2物体检测器`用于代金宝app码生成。这个`roi`参数`检测`方法必须是代码生成常量(`编码常量（）`)和一个1x4向量。只有`阈值`,`SelectStrongest`,`MinSize`和`最大尺寸`的名称-值对`检测`都受支持金宝app。这个`标签`产量`检测`作为字符向量的单元格数组返回，例如，`{'car'，'bus'}`.	是的	是的	没有
`SSD探测器`（计算机视觉工具箱）	对象使用基于SSD的检测器检测对象。只有`检测`（计算机视觉工具箱）的方法`SSD探测器`用于代金宝app码生成。这个`roi`参数`检测`方法必须为codegen常数(`编码常量（）`)和一个1x4向量。只有`阈值`,`SelectStrongest`,`MinSize`,`最大尺寸`和`小批量`支持名称-值对。所有名称-值对必须是编译时金宝app常量。输入图像的通道和批大小必须是固定的。这个`标签`输出作为分类数组返回。在生成的代码中，输入被缩放到网络的输入层的大小。但是这个边界框`检测`方法的返回是参照原始输入大小的。	是的	是的	没有

另见

coder.getDeepLearningLayers

MATLAB编码器文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

现在受审