主要内容

。

Coder.LoadDeePlearningnetwork.

深层学习ネットワークモデルの読み込み

说明

= Coder.LoadDeePlearInneNnetWork(文件名は,文件名垫のに保存されれ事前习习习の深层学习系列网络(深度学习工具箱)Dagnetwork.(深度学习工具箱)Yolov2ObjectDetector.(电脑视觉工具箱),またはssdobjectdetector(电脑视觉工具箱)オブジェクトを読み込みます。文件名は,単一系列网络Dagnetwork.Yolov2ObjectDetector.,またはssdobjectdetectorオブジェクトオブジェクトが含まれ,matlab®パス上に存在する有效なMATファイルでなければなりません.MATファイルには,読み込まれるネットワークのみが含まれていなければなりません。

= Coder.LoadDeePlearInneNnetWork(functionName.は,事前学习済みの学习系列网络Dagnetwork.Yolov2ObjectDetector.,またはssdobjectdetectorオブジェクトを返す关键词呼び出します。functionName.は,系列网络Dagnetwork.Yolov2ObjectDetector.,またはssdobjectdetectorオブジェクトを返す,matlabパス上に现正文。

= Coder.LoadDeePlearInneNnetWork(___网络名称は,net = coder.loaddeeplearningnetwork(filename)と同じですが,ネットワークから生成されるC ++クラスに名前を付けるためのオプションを指定しています。网络名称は,垫ファイルに保存さてているネットワークのか,关键の参照のネットワーク记述名です。char型でなければなりません。

ネットワークネットワーク推论からコードを生成する综合,この关关数を使。この关键,このネットワークからc ++クラス生成します。

すべて折りたたむ

关节Coder.LoadDeePlearningnetwork.をを用してvgg-16.系列ネットワークを読み込み,このネットワークのc ++コード生成します。

事前学习済みのvgg-16.ネットワークを含む垫ファイルを取得します。

URL =.'//www.tatmou.com/金宝appsupportfiles/gpucoder/cnn_models/vgg/vgg16.mat';WebSave('vgg16.mat',URL);

关节Coder.LoadDeePlearningnetwork.をを用してvgg16.matを永続yeNet.系列网络オブジェクトに読み込むエントリポイント关相关数myvgg16.を作物成し。

功能OUT = MyVGG16(in)执着的yeNet;如果isempty(mynet)mynet = coder.loaddeeplearningnetwork('vgg16.mat''myvggnet');结尾出局=预测(Mynet,In);

この永続オブジェクトによって,入力に対して预测メソッドメソッド关关数の以降の呼び出し时に,ネットワークネットワークオブジェクトの再构构と再がが回避され

事前学习済みのvgg-16.ネットワークのの力层,サイズが224x224x3ののイメージを受け入れ受け入れ以のの行ををグラフィックスグラフィックスからから力イメージ読み取り,そのサイズ224x224に変更します。

在= imread('peppers.png');In = Imresize(在[224,224]中);

Mexコード生成用にCoder.config.构成オブジェクトを作品成し,ターゲット言语をc ++に设定します。targetlib.'mkldnn'にしてDeeplearningConfig关をします。关节Codegen.は,MATLAB关节率の,クラス,およびおよび数/复素を决定决定しなければなりませませ决定决定ししなけれませませませ决定- args.オプションオプションを使,エントリポイント关键词入サイズサイズ指定し。-Config.オプションオプション使用ししコードコード成オブジェクトを渡します。

cfg = coder.config('mex');cfg.targetlang ='c ++';cfg.deeplearningconfig = coder.deeplearningconfig('mkldnn');Codegen.-  args.{ONE(224,224,3,'UINT8')}-Config.CFG.myvgg16.-报告;

Codegen.コマンドコマンドはすべての生成さたたをCodegen.フォルダーに配置します。このこのフォルダーに,エントリポイント关键myvgg16.cpp.のc ++コード,ヘッダーヘッダー,畳み込みニューラルネットワーク(cnn)のc ++クラス定义ソースファイル,重み重み,およびバイアスファイルファイルファイルますますれますますますますます。

入力イメージでvgg-16.预测を呼び出し,上位5つの予测れラベルラベルをします。

predict_coves = myvgg16_mex(in);[得分,Indx] =排序(预测_coves,“下降”);net = coder.loaddeeplearningnetwork('vgg16.mat');ClassNames = Net.Layers(END).Classes;DISP(CLASSNMES(INDX(1:5))));
甜椒黄瓜杂货店橡子南瓜胡桃南瓜

关节Coder.LoadDeePlearningnetwork.をを用してresnet50系列系列ネットワークを,このネットワークからcuda®コードを生成します。

关节Coder.LoadDeePlearningnetwork.深度使用して深度学习工具箱™ののボックス关联resnet50を呼び出すエントリポイント关圈Resnetfun.を作物成し。この关键词习习のresnet-50ネットワークを返します。

功能OUT = RESNETFUN(IN)执着的yeNet;如果isempty(mynet)mynet = coder.loaddeeplearningnetwork('resnet50''myresnet');结尾出局=预测(Mynet,In);

この永続オブジェクトによって,入力に対して预测メソッドメソッド关关数の以降の呼び出し时に,ネットワークネットワークオブジェクトの再构构と再がが回避され

事前学习済みのresnet-50ネットワークのの力层,サイズが224x224x3のイメージを受け入れ受け入れ受け入れグラフィックスファイルからから力イメージを,そのサイズを224x224に変更するには,次次コード行を使用しし。

在= imread('peppers.png');In = Imresize(在[224,224]中);

Mexコード生成用にCoder.gpuconfig.作者,ターゲット言语をC ++に设定ます。关联Codegen.は,MATLAB关节率の,クラス,およびおよび数/复素を决定决定しなければなりませませ决定决定ししなけれませませませ决定- args.オプションオプション使用ししてポイント关键有关部のの力量のををし-Config.オプションオプション使用ししコードコード成オブジェクトを渡します。

cfg = coder.gpuconfig('mex');cfg.targetlang ='c ++';cfg.deeplearningconfig = coder.deeplearningconfig('cudnn');Codegen.-  args.{ONE(224,224,3,'UINT8')}-Config.CFG.Resnetfun.-报告;

Codegen.コマンドコマンドはすべての生成さたたをCodegen.フォルダーに配置します。ここここに,エントリポイント关键Resnetfun.cu.のcudaコード,ヘッダーヘッダー,畳み込みニューラルネットワーク(cnn)のc ++クラス定义含むファイル,重みファイル,およびバイアスファイルががますますれれますます。

入力数

すべて折りたたむ

事前学习済みの系列网络Dagnetwork.Yolov2ObjectDetector.,またはssdobjectdetectorオブジェクトオブジェクト含む垫ファイルファイル名前を指定ますします。

データ型:细绳

事前学习済みの系列网络Dagnetwork.Yolov2ObjectDetector.,またはssdobjectdetectorオブジェクトオブジェクト返す关键名称前指定します。

データ型:细绳

垫ファイルに保存されたネットワークオブジェクトの名。これは,c ++の有效な子であるchar型でなければなりません。

データ型:char

出力数

すべて折りたたむ

ネットワーク推论。系列网络Dagnetwork.Yolov2ObjectDetector.,またはssdobjectdetectorオブジェクトとして返されます。

限制性

  • Coder.LoadDeePlearningnetwork.含むの含む含む含む含む

  • 垫ファイルには,読み込ま読み込まれるネットワークのみが含まれいいなければませませませ

R2017Bで导入