Exponenta Banner
exponenta event banner

кодер. ARMNEONConfig

Параметры, чтобы сконфигурировать генерацию кода глубокого обучения с ARM Вычисляют Библиотеку

расширьте все на странице

Описание

Объект coder.ARMNEONConfig содержит Библиотеку ARM® Compute, и предназначайтесь для определенных параметров, которые codegen использует для генерации Кода С++ для глубоких нейронных сетей.

Чтобы использовать объект coder.ARMNEONConfig для генерации кода, присвойте, она к свойству DeepLearningConfig настройки генерации кода возражает, что вы передаете codegen.

Создание

Синтаксис

deepLearningCfg = coder.DeepLearningConfig('arm-compute')

Описание

пример

deepLearningCfg = coder.DeepLearningConfig('arm-compute') создает объект coder.ARMNEONConfig для генерации кода глубокого обучения при помощи ARM, Вычисляют Библиотеку.

Свойства

развернуть все

Версия ARM Вычисляет Библиотеку, пользовавшуюся на целевом компьютере, заданном как вектор символов, или представляет скаляр в виде строки. Если вы устанавливаете ArmComputeVersion на версию позже, чем '18.05', ArmComputeVersion установлен в '18.05'.

Архитектура ARM поддержана в целевом компьютере, заданном как скаляр строки или вектор символов. Заданная архитектура должна быть эквивалентной, архитектура для ARM Вычисляют Библиотеку по целевому компьютеру.

ARMArchitecture должен быть задан для этих случаев:

  • Вы не используете пакет аппаратной поддержки (свойство Hardware объекта настройки генерации кода пусто).

  • Вы используете пакет аппаратной поддержки, но генерируете код только.

Имя целевой библиотеки, заданной как вектор символов.

Примеры

свернуть все

Создайте функцию точки входа squeezenet, который использует функцию coder.loadDeepLearningNetwork, чтобы загрузить объект squeezenet.

function out = squeezenet_predict(in)

persistent mynet;
if isempty(mynet)
    mynet = coder.loadDeepLearningNetwork('squeezenet', 'squeezenet');
end

out = predict(mynet,in);

Создайте объект настройки coder.config для генерации статической библиотеки. 

cfg = coder.config('lib');

Установите выходной язык на C++. Укажите, что вы хотите сгенерировать только исходный код.

cfg.TargetLang = 'C++';
cfg.GenCodeOnly=true;

Создайте объект настройки глубокого обучения coder.ARMNEONConfig. Присвойте его свойству DeepLearningConfig объекта настройки cfg.

dlcfg = coder.DeepLearningConfig('arm-compute');
dlcfg.ArmArchitecture = 'armv8';
dlcfg.ArmComputeVersion = '18.05';
cfg.DeepLearningConfig = dlcfg;

Используйте опцию -config функции codegen, чтобы задать объект настройки cfg. Функция codegen должна определить размер, класс и сложность входных параметров функции MATLAB®. Используйте опцию -args, чтобы задать размер входа к функции точки входа.

codegen -args {ones(227,227,3,'single')} -config cfg squeezenet_predict

Команда codegen помещает все сгенерированные файлы в папку codegen. Папка содержит Код С++ для функции точки входа squeezenet_predict.cpp, заголовок и исходные файлы, содержащие определения класса C++ для сверточной нейронной сети (CNN), веса и файлов смещения.

Смотрите также

| | |

Темы

Введенный в R2019a

Документация MATLAB Coder
Поддержка