Создайте функцию точки входа resnet_predict который использует coder.loadDeepLearningNetwork функцию для загрузки resnet50 (Deep Learning Toolbox) SeriesNetwork объект.

function out = resnet_predict(in)

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

out = predict(mynet,in);

Создайте coder.config объект строения для генерации кода MEX.

cfg = coder.config('mex');

Установите целевой язык на C++.

cfg.TargetLang = 'C++';

Создайте coder.MklDNNConfig объект строения глубокого обучения. Присвойте его DeepLearningConfig свойство cfg объект строения.

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

Используйте -config опция codegen функция для прохождения cfg объект строения. codegen функция должна определять размер, класс и сложность MATLAB^® входные параметры функции. Используйте -args опция для задания размера входного параметра функции точки входа.

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

The codegen команда помещает все сгенерированные файлы в codegen папка. Папка содержит код С++ для функции точки входа resnet_predict.cpp, заголовок и исходные файлы, содержащие определения классов C++ для сверточных нейронных сетей (CNN), веса и смещения.