用于代码生成的负载预训练网络-MATLAB和Simulink-MathWorks Italia金宝app

用于代码生成的负载预训练网络

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。

通过使用加载网络`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：

AlexNet.（深度学习工具箱）
densenet201（深度学习工具箱）
水壶（深度学习工具箱）
接收v3（深度学习工具箱）
mobilenetv2（深度学习工具箱）
resnet18（深度学习工具箱）
resnet50.（深度学习工具箱）
resnet101（深度学习工具箱）
挤压网（深度学习工具箱）
vgg16（深度学习工具箱）
vgg19（深度学习工具箱）
Xcepion.（深度学习工具箱）

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）.

指定用于代码生成的网络对象

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

指定一个`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dlarraydlA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_