関数coder.loadDeepLearningNetworkを使用するエントリポイント関数预测を作成し、resnet50（深度学习工具箱）系列网络オブジェクトを読み込みます。

作用out=resnet\u预测（in）持久的mynet；如果isempty（mynet）mynet=coder.loadDeepLearningNetwork(“resnet50”,“myresnet”);终止out=预测（mynet，in）；

永続的なオブジェクトは、入力で预测メソッドを呼び出す関数のその後の呼び出し中にネットワーク オブジェクトの再構成と再読み込みを回避します。

事前学習済みのResNet-50ネットワークの入力層は、サイズ224x224x3のイメージを受け入れます。グラフィックス ファイルから入力イメージを読み取り、224x224にサイズ変更するには、次のコード行を使用します。

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

墨西哥コード生成用のcoder.config構成オブジェクトを作成し、ターゲット言語を C++に設定します。構成オブジェクトで、塔吉利布を使用して深度学习配置を“mkldnn”として設定します。関数编码基因の-配置オプションを使用して、このコード構成オブジェクトを渡します。関数编码基因は、MATLAB^®関数入力のサイズ、クラス、実数/複素数を決定しなければなりません。-argsオプションを使用して、エントリポイント関数への入力のサイズを指定します。

cfg=coder.config(“墨西哥”); cfg.TargetLang=“C++”；cfg.DeepLearningConfig=coder.DeepLearningConfig(“mkldnn”); 编码基因-args{one（224224,3，'single'）}-配置cfg预测;

编码基因コマンドは生成されたすべてのファイルを编码基因フォルダーに入れます。これには、エントリポイント関数resnet_predict.cppの C++コード、ヘッダーおよび畳み込みニューラル ネットワーク （美国有线电视新闻网）の C++クラス定義が含まれるソース ファイル、重み、バイアス ファイルが含まれます。