Создайте функцию точки входа alexneteg, который использует функцию coder.loadDeepLearningNetwork, чтобы загрузить объект alexnet SeriesNetwork.

function out = alexneteg(in)

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

out = predict(mynet,in);

Создайте объект настройки coder.gpuConfig для генерации кода MEX.

cfg = coder.gpuConfig('mex');

Установите выходной язык на C++.

cfg.TargetLang = 'C++';

Создайте объект настройки глубокого обучения coder.CuDNNConfig и присвойте его свойству DeepLearningConfig объекта настройки cfg.

cfg.DeepLearningConfig = coder.DeepLearningConfig('cudnn');

Используйте опцию -config функции codegen, чтобы передать 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 alexneteg

Команда codegen помещает все сгенерированные файлы в папку codegen. Папка содержит код CUDA для функции точки входа alexneteg.cu, заголовок и исходные файлы, содержащие определения класса C++ для замысловатой нейронной сети (CNN), веса и файлов смещения.