Генерация кода для dlarray

Генерация кода для `dlarray`

Массив глубокого обучения хранит данные с метками формата дополнительных данных для пользовательских учебных циклов и позволяет функциям вычислить и использовать производные посредством автоматического дифференцирования. Чтобы узнать больше о пользовательских учебных циклах, автоматическое дифференцирование и массивы глубокого обучения, видят Глубокое обучение Пользовательские Учебные Циклы (Deep Learning Toolbox).

Генерация кода поддерживает и отформатированные и восстановленные после форматирования массивы глубокого обучения. dlarray объекты, содержащие gpuArrays также поддерживаются для генерации кода. Когда вы используете массивы глубокого обучения с генерацией кода центрального процессора и графического процессора, придерживаетесь этих ограничений:

Задайте `dlarray` для генерации кода

Для генерации кода используйте dlarray (Deep Learning Toolbox) функция, чтобы создать массивы глубокого обучения. Например, предположите, что у вас есть предварительно обученный dlnetwork (Deep Learning Toolbox) сетевой объект в mynet.mat Matfile. Чтобы предсказать ответы для этой сети, создайте функцию точки входа в MATLAB^®.

Существует две возможности:

Примечание

Для генерации кода, dlarray введите к predict метод dlnetwork объектом должен быть single тип данных.

Проект 1 (Не рекомендуемый)

В этом примере проекта, вводе и выводе к функции точки входа, foo имеют dlarray типы. Этот тип функции точки входа не рекомендуется для генерации кода потому что в MATLAB, dlarray осуществляет порядок, маркирует 'SCBTU'. Это поведение реплицировано для генерации кода MEX. Однако для автономной генерации кода, такой как статические, динамические библиотеки или исполняемые файлы, формат данных следует спецификации fmt аргумент dlarray объект. В результате, если вводом или выводом функции точки входа является dlarray возразите и его порядком меток не является 'SCBTU', затем формат данных будет отличаться между средой MATLAB и автономным кодом.

function dlOut = foo(dlIn)

persistent dlnet;
if isempty(dlnet)
    dlnet = coder.loadDeepLearningNetwork('mynet.mat');
end

dlOut = predict(dlnet, dlIn);

end

(Рекомендуемый) проект 2

В этом примере проекта, вводе и выводе к foo имеют примитивные типы данных и dlarray объект создается в функции. extractdata (Deep Learning Toolbox) метод dlarray объект возвращает данные в dlarray dlA как выход foo. Выход a имеет совпадающий тип данных как базовый тип данных в dlA.

Когда по сравнению с Design 1, этот проект точки входа имеет следующие преимущества:

Более легкая интеграция с автономными рабочими процессами генерации кода, такими как статические, динамические библиотеки или исполняемые файлы.
Формат данных выхода от extractdata функция имеет тот же порядок ('SCBTU') и в среде MATLAB и в сгенерированном коде.
Улучшает производительность для рабочих процессов MEX.
Упрощает рабочие процессы Simulink^® с помощью блоков MATLAB Function, когда Simulink исходно не поддерживает dlarray объекты.

function a = foo(in)
dlIn = dlarray(in, 'SSC');

persistent dlnet;
if isempty(dlnet)
    dlnet = coder.loadDeepLearningNetwork('mynet.mat');
end

dlA = predict(dlnet, dlIn);

a = extractdata(dlA);

end

Видеть пример dlnetwork и dlarray использование с GPU Coder™, смотрите, Генерируют Изображения Цифры на NVIDIA графический процессор Используя Вариационный Автоэнкодер.

`dlarray` Функции объекта с поддержкой генерации кода

Для генерации кода вы ограничиваетесь функциями объекта глубокого обучения массивов, перечисленными в этой таблице.

`dims` (Deep Learning Toolbox)	Размерность помечает для `dlarray`
`extractdata` (Deep Learning Toolbox)	Извлеките данные из `dlarray`
`finddim` (Deep Learning Toolbox)	Найдите размерности с заданной меткой
`stripdims` (Deep Learning Toolbox)	Удалите `dlarray` метки

Функции Deep Learning Toolbox с `dlarray` Поддержка генерации кода

Операции глубокого обучения

Функция	Описание
`fullyconnect` (Deep Learning Toolbox)	Полностью операция connect умножает вход на матрицу веса и затем добавляет вектор смещения.
`sigmoid` (Deep Learning Toolbox)	Сигмоидальная операция активации применяет сигмоидальную функцию к входным данным.
`softmax` (Deep Learning Toolbox)	softmax операция активации применяет функцию softmax к размерности канала входных данных.

Функции MATLAB с `dlarray` Поддержка генерации кода

Унарные поэлементные функции

Функция	Примечания и ограничения
`abs`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`.
`cos`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`.
`cosh`
`cot`
`csc`
`exp`
`log`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`. Поскольку `dlarray` не поддерживает комплексные числа, вход `dlarray` должен иметь неотрицательные значения.
`sec`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`.
`sign`
`sin`
`sinh`
`sqrt`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`. Поскольку `dlarray` не поддерживает комплексные числа, вход `dlarray` должен иметь неотрицательные значения.
`tan`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`.
`tanh`
`uplus`, `+`
`uminus`, `-`

Функции Extrema

Функция	Примечания и ограничения
`ceil`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`.
`eps`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`. Используйте `eps(ones(‘like’, x))` получить скалярное значение эпсилона на основе типа данных `dlarray` `x`.
`fix`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`.
`floor`	Выход `dlarray` имеет тот же формат данных как вход `dlarray`.
`round`	Только синтаксис `Y = round(X)` поддерживается. Выход `dlarray` имеет тот же формат данных как вход `dlarray`.

Функции преобразования

Функция	Примечания и ограничения
`double`	Выходом является `dlarray` это содержит данные типа `double`.
`logical`	Выходом является `dlarray` это содержит данные типа `logical`.
`single`	Выходом является `dlarray` это содержит данные типа `single`.

Функции сравнения

Функция Примечания и ограничения

Функция	Примечания и ограничения
`isequal`	Синтаксис больше чем с двумя входными параметрами не поддерживается. Два `dlarray` входные параметры равны, если числовые данные, которые они представляют, равны и если они оба или отформатированы с тем же форматом данных или восстановлены после форматирования.
`isequaln`	Синтаксис больше чем с двумя входными параметрами не поддерживается. Два `dlarray` входные параметры равны, если числовые данные, которые они представляют, равны (обработка `NaN`s как равный) и если они оба или отформатированы с тем же форматом данных или восстановлены после форматирования.

isequal

Синтаксис больше чем с двумя входными параметрами не поддерживается.
Два dlarray входные параметры равны, если числовые данные, которые они представляют, равны и если они оба или отформатированы с тем же форматом данных или восстановлены после форматирования.

isequaln

Синтаксис больше чем с двумя входными параметрами не поддерживается.
Два dlarray входные параметры равны, если числовые данные, которые они представляют, равны (обработка NaNs как равный) и если они оба или отформатированы с тем же форматом данных или восстановлены после форматирования.

Тип данных и идентификационные функции значения

Функция	Примечания и ограничения
`isfloat`	Программное обеспечение применяет функцию к базовым данным входа `dlarray`.
`islogical`
`isnumeric`
`isreal`	Поскольку `dlarray` не поддерживает комплексные числа, эта функция всегда возвращает `true` для `dlarray` входной параметр.

Идентификационные функции размера

Функция	Примечания и ограничения
`length`	Нет данных
`ndims`	Если вход `dlarray` `dlX` отформатирован, затем `ndims(dlX)` возвращает количество меток размерности, даже если некоторые помеченные размерности запаздывают одноэлементные размерности.
`numel`	Нет данных
`size`	Если вход `dlarray` `dlX` отформатирован, затем `size(dlX)` возвращает вектор из длины, равной количеству меток размерности, даже если некоторые помеченные размерности запаздывают одноэлементные размерности.

Функции создателя

Функция	Примечания и ограничения
`false`	Только `'like'` синтаксис поддерживается для `dlarray`.
`inf`
`nan`
`ones`
`rand`
`true`
`zeros`

Смотрите также

Объекты

dlarray (Deep Learning Toolbox) | dlnetwork (Deep Learning Toolbox)

Связанные примеры

Сгенерируйте изображения цифры на NVIDIA графический процессор Используя вариационный автоэнкодер

Больше о

Ограничения dlarray для Генерации кода
Задайте пользовательские учебные циклы, функции потерь и сети (Deep Learning Toolbox)
Обучите сеть Используя пользовательский учебный цикл (Deep Learning Toolbox)
Сделайте Предсказания Используя Объект dlnetwork (Deep Learning Toolbox)

Документация