Создание функции точки входа resnet_predict который использует coder.loadDeepLearningNetwork для загрузки resnet50 (инструментарий для глубокого обучения) SeriesNetwork объект.

function out = resnet_predict(in)

persistent mynet;
if isempty(mynet)
    mynet = coder.loadDeepLearningNetwork('resnet50', 'myresnet');
end

out = predict(mynet,in);

Создать coder.config объект конфигурации для генерации кода MEX.

cfg = coder.config('mex');

Установите целевой язык на C++.

cfg.TargetLang = 'C++';

Создать coder.MklDNNConfig объект конфигурации глубокого обучения. Присвойте его DeepLearningConfig имущества cfg объект конфигурации.

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

Используйте -config вариант codegen для передачи функции cfg объект конфигурации. codegen функция должна определять размер, класс и сложность входов функции MATLAB ®. Используйте -args для указания размера входных данных функции точки входа.

codegen -args {ones(224,224,3,'single')} -config cfg resnet_predict

codegen помещает все сгенерированные файлы в codegen папка. Папка содержит код C++ для функции точки входа resnet_predict.cpp, заголовки и исходные файлы, содержащие определения класса C++ для сверточной нейронной сети (CNN), веса и файлов смещения.