主要内容

预测

类别：dlhdl.Workflow
包裹：dlhdl

在部署的网络上运行推理，并在指定的目标设备上部署神经网络的配置速度

展开所有页面

句法

预测（图片）
预测（图像、名称、值）

描述

例子

预测(图片）预计在图像数据响应IMDS.通过使用您在dlhdl.Workflow类在指定的目标板上部署，并返回结果。

预测(图片那名称，价值）预计在图像数据响应IMDS.通过深学网您指定使用dlhdl.Workflow类指定目标上板和返回的结果，与由可选的名称 - 值对参数中指定的一个或多个参数的部署。

输入参数

展开全部

输入图像，指定为m-借-ñ-借-K.数字数组。m那ñ和K.必须在深学习网络输入的图像层的尺寸相匹配。例如，对于网络LogoNet，调整输入图像的227-通过-227×3阵列。

数据类型：单身的

名称 - 值参数

指定可选的逗号分离对名称，价值论据。姓名是参数名称和价值是对应的值。姓名必须出现引号内。您可以按照任何顺序指定多个名称和值对参数名称1，值1，…，名称，值。

例子：

用于返回配置文件结果的标志，用于部署到目标板的深度学习网络。

例子：“个人资料”，“论”

例子

展开全部

  1. 创建一个dlhdl.Workflow对象，该对象将VGG-19作为网络参数，arria10soc_单作为比特流参数，hTarget作为目标参数。

    ％保存预训练SeriesNetwork对象SNET = vgg19;％创建目标对象和定义接口到目标板hTarget = dlhdl.Target（'英特尔'）;%使用FPFA位流为SeriesNetwork创建工作流对象hW=dlhdl.Workflow(“网络”，SNET，“比特流”那“arria10soc_单人”那'目标'，hTarget）；

  2. 加载输入图像和调整输入图像以匹配VGG-19网络输入的图像层的大小。

    %加载输入图像并根据网络规格调整其大小图像= imread（'zebra.jpeg'）;inputImg = imresize（图像，[224，224]）;imshow（inputImg）;IMIN =单（inputImg）;

  3. 部署dlhdl.Workflow通过使用对象到目标FPGA板部署方法。使用预测方法。

    ％部署工作流对象hW.deploy;％预测结果，并可选配置文件中的结果来衡量绩效。[预测，速度]=硬件预测（imIn，'轮廓'那'在'); [val，idx]=max（预测）；snet.Layers（end）.ClassNames{idx}

这个例子说明了如何使用预测方法来检索用于从已部署的量化LogoNet网络的输入图像的预测结果。

  1. 创建在当前工作文件夹中一个名为getLogoNetwork.m。输入这些行到文件中：

    作用net=getlogonnetworkdata=getLogoData；net=data.convnet；结尾作用data=getLogoData如果〜ISFILE（'LogoNet.mat'）URL ='//www.tatmou.com/金宝appsupportfiles/gpucoder/cnn_models/logo_detection/LogoNet.mat';websave（'LogoNet.mat'，网址）；结尾数据=负载（'LogoNet.mat'）;结尾

  2. 创建图像数据存储，并将70%的图像分割为训练数据集，将30%的图像分割为验证数据集。

    CURDIR = PWD;NEWDIR =完整文件（matlabroot，“例子”那'deeplearning_shared'那“数据”那'logos_dataset.zip'）;的CopyFile（NEWDIR，CURDIR）;解压（'logos_dataset.zip')；imds=图像数据存储('logos_dataset'那......“包含子文件夹”，真的，......“标签源”那'foldernames'）;[imdsTrain，imdsValidation] = splitEachLabel（IMDS，0.7％，“随机化”）;

  3. 创建一个dlhdl.Workflow对象，该对象将量化LogoNet作为网络参数，zcu102_int8作为比特流，和hTarget作为目标参数。

    量化的网络，你需要下面列出的产品下载188bet金宝搏FPGA.在量化工作流先决条件。

    ％保存预训练SeriesNetwork对象snet=getlogonnetwork；％创建目标对象和定义接口到目标板hTarget = dlhdl.Target（“赛灵思”那“接口”那“以太网”）;％产生量化网络对象dlquantObj = dlquantizer（SNET，“执行环境”那'FPGA'）;dlquantObj.calibrate（imdsTrain）;%使用FPFA位流为SeriesNetwork创建工作流对象hW=dlhdl.Workflow(“网络”，dlquantObj，“比特流”那“zcu102_int8”那'目标'，hTarget）；

  4. 检索从随机图像logos_dataset。

    指数= randperm（numel（imdsValidation.Files），1）= IMIN readimage（imdsValidation，索引）inputImg = imresize（IMIN，[227 227]）;

  5. 部署dlhdl.Workflow通过使用对象到目标FPGA板部署方法。通过使用取回的图像预测预测方法。

    ％部署工作流对象hW.deploy;％预测结果，并可选配置文件中的结果来衡量绩效。[预测，速度] = hW.predict（单（inputImg），'轮廓'那'在'); [val，idx]=max（预测）；snet.Layers（end）.ClassNames{idx}

也可以看看

||||||

话题

介绍了在R2020b

深度学习HDL工具箱文档

金宝app

尝试matlab，sim金宝appulink等产品下载188bet金宝搏

立即获得审判