您可以为预训练卷积神经网络(CNN)生成代码系列网络
(深度学习工具箱),达格网络
(深度学习工具箱),Yolov2物体检测器
(计算机视觉工具箱),SSD探测器
(计算机视觉工具箱)或数据链路网络
(深度学习工具箱)来自培训的网络的对象。
coder.loadDeepLearningNetwork
您可以使用从任何支持代码生成的网络加载网络对象金宝appcoder.loadDeepLearningNetwork
。您可以从MAT文件中指定网络。MAT文件必须仅包含要加载的网络。
例如,假设您创建了一个名为myNet
通过使用列车网络
(深度学习工具箱)功能。然后,您通过输入保存工作区拯救
.这会创建一个名为matlab.mat
包含网络对象的。若要加载网络对象myNet
,输入:
net=coder.loadDeepLearningNetwork(“matlab.mat”);
您还可以通过提供返回预训练值的函数名来指定网络系列网络
,达格网络
,Yolov2物体检测器
或SSD探测器
对象,例如:
例如,通过输入以下内容加载网络对象:
net=coder.loadDeepLearningNetwork(“谷歌网”);
深度学习工具箱™ 上一列表中的函数需要为该函数安装支持包。请参阅金宝app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编码基因
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:
功能out=我的净预测值(in)%#编码基因持久的mynet;如果isempty(mynet)mynet = coder.loaddeeplearningnetwork(“matlab.mat”);终止out=预测(mynet,in);
对于作为支持包功能提供的预训练网络,如金宝appAlexNet.
,接收v3
,水壶
, 和resnet
,您可以直接指定支持包函数,例如,通过编写金宝appmynet=谷歌网
.
接下来,为入口点函数生成代码。例如:
cfg=coder.config(“墨西哥”); cfg.TargetLang=“C++”;cfg.DeepLearningConfig=coder.DeepLearningConfig(“mkldnn”);codegen-args{one(224224,3,'single')}-配置cfgmyNet_预测
数据链路网络
用于代码生成的对象假设你有一个预训练的数据链路网络
中的网络对象mynet.mat
垫锉。要预测该网络的响应,请在MATLAB中创建入口点函数®如本代码所示。
功能a=myDLNet_predict(in)dlIn=dlarray(in,“SSC”);持久的dlnet;如果isempty(dlnet)dlnet=coder.loadDeepLearningNetwork(“mynet.mat”);终止dlA=预测(dlnet,dlIn);a=提取数据(dlA);终止
在此示例中,输入和输出到myDLNet_
是更简单的数据类型和dlarray
对象是在函数中创建的提取数据
(深度学习工具箱)方法dlarray
对象返回dlarray
dlA
作为myDLNet_
.输出A.
具有与底层数据类型相同的数据类型dlA
.该入口设计具有以下优点:
更容易与独立代码生成工作流(如静态、动态库或可执行文件)集成。
输出的数据格式提取数据
函数具有相同的顺序('scbtu'
)在MATLAB环境下生成的代码。
提高MEX工作流的性能。
简化Simulink.金宝app®工作流使用MATLAB函数Simulink本身金宝app不支持的块金宝appdlarray
物体。
接下来,为入口点函数生成代码。例如:
cfg=coder.config(“lib”); cfg.TargetLang=“C++”;cfg.DeepLearningConfig=coder.DeepLearningConfig(“mkldnn”);codegen-args{one(224224,3,'single')}-配置cfgmyDLNet_
编码基因
|列车网络
(深度学习工具箱)|coder.loadDeepLearningNetwork