创建一个入口点函数resnet_predict使用coder.loadDeepLearningNetwork函数来加载resnet50(深度学习工具箱)SeriesNetwork对象。

函数= resnet_predict(中)持续的mynet;如果isempty(mynet) mynet = code . loaddeeplearningnetwork (“resnet50”，“myresnet”）;结束=预测(mynet,);

对象的后续调用过程中，持久对象避免重新构造和重新加载网络对象预测方法的输入。

预先训练的输入层ResNet-50网络接受大小的图像224年x224x3．从图形文件中读取输入图像并将其调整为224年x224，请使用以下代码行:

在= imread (“peppers.png”）;在= imresize(在[224224]);

创建一个coder.config配置对象，用于生成MEX代码，并将目标语言设置为c++。在配置对象上设置DeepLearningConfig与targetlib作为“mkldnn”．使用配置选择的codegen函数传递此代码配置对象。的codegen函数必须确定MATLAB的大小、类和复杂性^®函数的输入。使用arg游戏选项指定入口点函数的输入大小。

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cfgresnet_predict;

的codegen命令将所有生成的文件放入codegen文件夹中。它包含入口点函数的c++代码resnet_predict.cpp，头文件和源文件，其中包含用于卷积神经网络(CNN)的c++类定义，权重和偏差文件。