Документация

Загрузить сеть с помощью coder.loadDeepLearningNetwork

Можно загрузить сетевой объект из любой сети, поддерживаемой для создания кода, с помощью coder.loadDeepLearningNetwork. Сеть можно указать из MAT-файла. Файл MAT должен содержать только загружаемую сеть.

Например, предположим, что создается обученный сетевой объект с именем myNet с помощью trainNetwork (Deep Learning Toolbox). Затем сохраните рабочую область путем ввода save. При этом создается файл с именем matlab.mat который содержит сетевой объект. Загрузка сетевого объекта myNet, введите:

net = coder.loadDeepLearningNetwork('matlab.mat');

Можно также указать сеть, указав имя функции, возвращающей предварительно подготовленную SeriesNetwork, DAGNetwork, yolov2ObjectDetector, или ssdObjectDetector объект, например:

Например, загрузите сетевой объект, введя:

net = coder.loadDeepLearningNetwork('googlenet');

Функции Deep Learning Toolbox™ из предыдущего списка требуют установки пакета поддержки для этой функции. См. Предварительно обученные нейронные сети (Deep Learning Toolbox).

Укажите сетевой объект для создания кода

При создании кода с помощью codegen или приложение, загрузите сетевой объект внутри функции начального уровня с помощью coder.loadDeepLearningNetwork. Например:

function out = myNet_predict(in) %#codegen

persistent mynet;

if isempty(mynet)
    mynet = coder.loadDeepLearningNetwork('matlab.mat');
end
out = predict(mynet,in);

Для предварительно подготовленных сетей, доступных в качестве функций пакета поддержки, таких как alexnet, inceptionv3, googlenet, и resnet, можно непосредственно указать функцию пакета поддержки, например, путем записи mynet = googlenet.

Затем создайте код для функции точки входа. Например:

cfg = coder.gpuConfig('mex');
cfg.TargetLang = 'C++';
cfg.DeepLearningConfig = coder.DeepLearningConfig('cudnn'); 
codegen -args {ones(224,224,3,'single')} -config cfg myNet_predict

Укажите dlnetwork Объект для создания кода

Предположим, у вас есть предварительно обученный dlnetwork сетевой объект в mynet.mat MAT-файл. Чтобы предсказать ответы для этой сети, создайте функцию точки входа в MATLAB ®, как показано в этом коде.

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

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

dlA = predict(dlnet, dlIn);

a = extractdata(dlA);

end

В этом примере входные и выходные данные для myDLNet_predict являются более простыми типами данных и dlarray создается внутри функции. extractdata (Deep Learning Toolbox) метод dlarray объект возвращает данные в dlarray dlA в качестве выхода myDLNet_predict. Продукция a имеет тот же тип данных, что и базовый тип данных в dlA. Эта исходная конструкция имеет следующие преимущества:

Затем создайте код для функции точки входа. Например:

cfg = coder.gpuConfig('lib');
cfg.TargetLang = 'C++';
cfg.DeepLearningConfig = coder.DeepLearningConfig('cudnn'); 
codegen -args {ones(224,224,3,'single')} -config cfg myDLNet_predict