Генерация кода для dlarray

Генерация кода для `dlarray`

Глубокое обучение сохраняет данные с необязательными метками формата данных для пользовательских циклов обучения и позволяет функциям вычислять и использовать производные посредством автоматической дифференциации. Дополнительные сведения о пользовательских циклах обучения, автоматической дифференциации и глубоких массивах обучения см. в разделе «Пользовательские циклы обучения глубокого обучения» (Deep Learning Toolbox).

Генерация кода поддерживает как форматированные, так и неформатированные массивы глубокого обучения. dlarray объекты, содержащие gpuArrays также поддерживаются для генерации кода. Когда вы используете глубокое обучение ячеек с центральным процессором и графический процессор генерацией кода, придерживайтесь следующих ограничений:

Определите `dlarray` для генерации кода

Для генерации кода используйте dlarray (Deep Learning Toolbox) функция для создания глубоких обучающих массивов. Например, предположим, что у вас есть предварительно обученный dlnetwork (Deep Learning Toolbox) сетевой объект в mynet.mat MAT-файл. Чтобы предсказать отклики для этой сети, создайте функцию точки входа в MATLAB^®.

Существует две возможности:

Примечание

Для генерации кода, dlarray вход в predict метод dlnetwork объект должен быть single тип данных.

Проект 1 (Не рекомендуемый)

В этом примере проекту вход и выход в функцию точки входа, foo имеют dlarray типы. Этот тип функции точки входа не рекомендуется для генерации кода, потому что в MATLAB dlarray применяет порядок меток 'SCBTU'. Такое поведение реплицируется для генерации кода MEX. Однако для автономной генерации кода, такой как статические, динамические библиотеки или исполняемые файлы, формат данных соответствует спецификации fmt аргумент dlarray объект. В результате, если вход или выход функции точки входа является dlarray объект и его порядок меток не 'SCBTU', тогда размещение данных будет отличаться между окружением MATLAB и автономным кодом.

function dlOut = foo(dlIn)

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

dlOut = predict(dlnet, dlIn);

end

Проект 2 (Рекомендуемый)

В этом примере проекта вход и выход в foo имеют примитивные типы данных и dlarray создается в рамках функции. extractdata (Deep Learning Toolbox) метод dlarray объект возвращает данные в dlarray dlA как выход foo. Область выхода a имеет тот совпадающий тип данных, что и базовый тип данных в dlA.

При сравнении с Design 1этот проект точки входа имеет следующие преимущества:

Более лёгкое интегрирование с автономными рабочими процессами генерации кода, такими как статические, динамические библиотеки или исполняемые файлы.
Формат данных выхода из extractdata функция имеет тот же порядок ('SCBTU') как в среде MATLAB, так и в сгенерированном коде.
Повышает эффективность рабочих процессов MEX.
Упрощает Simulink^® рабочие процессы, использующие блоки MATLAB Function, которые Simulink 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

Чтобы увидеть пример dlnetwork и dlarray использование с GPU Coder™, см. «Генерация цифровых изображений на графическом процессоре NVIDIA с использованием вариационного автоэнкодера».

`dlarray` Функции объекта с поддержкой генерации кода

Для генерации кода вы ограничены глубоким обучением функциями объекта массива, перечисленными в этой таблице.

`dims` (Deep Learning Toolbox)	Метки размерностей для `dlarray`
`extractdata` (Deep Learning Toolbox)	Извлечение данных из `dlarray`
`finddim` (Deep Learning Toolbox)	Поиск размерностей с заданной меткой
`stripdims` (Deep Learning Toolbox)	Удаление `dlarray` метки

Deep Learning Toolbox с `dlarray` Поддержка генерации кода

Операции глубокого обучения

Функция	Описание
`fullyconnect` (Deep Learning Toolbox)	Операция полного соединения умножает вход на весовую матрицу и затем добавляет вектор смещения.
`sigmoid` (Deep Learning Toolbox)	Операция активации сигмоида применяет функцию сигмоида к входным данным.
`softmax` (Deep Learning Toolbox)	Операция активации softmax применяет функцию softmax к размерности канала входных данных.

Функции MATLAB с `dlarray` Поддержка генерации кода

Унарные поэлементные функции

Функция	Примечания и ограничения
`abs`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`.
`cos`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`.
`cosh`
`cot`
`csc`
`exp`
`log`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`. Потому что `dlarray` не поддерживает комплексные числа, входной `dlarray` должно иметь неотрицательные значения.
`sec`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`.
`sign`
`sin`
`sinh`
`sqrt`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`. Потому что `dlarray` не поддерживает комплексные числа, входной `dlarray` должно иметь неотрицательные значения.
`tan`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`.
`tanh`
`uplus`, `+`
`uminus`, `-`

Функции Extrema

Функция	Примечания и ограничения
`ceil`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`.
`eps`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`. Использование `eps(ones(‘like’, x))` чтобы получить скалярное значение эпсилона на основе типа данных `dlarray` `x`.
`fix`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`.
`floor`	Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`.
`round`	Только синтаксис `Y = round(X)` поддерживается. Область выхода `dlarray` имеет тот же формат данных, что и входной `dlarray`.

Функции преобразования

Функция	Примечания и ограничения
`double`	Выходные выходы `dlarray` который содержит данные типа `double`.
`logical`	Выходные выходы `dlarray` который содержит данные типа `logical`.
`single`	Выходные выходы `dlarray` который содержит данные типа `single`.

Функции сравнения

Функция Примечания и ограничения

Функция	Примечания и ограничения
`isequal`	Синтаксис с более чем двумя входными параметрами не поддерживается. Два `dlarray` входы равны, если числовые данные, которые они представляют, равны, и если они оба либо форматированы с одним и тем же форматом данных, либо неформатированы.
`isequaln`	Синтаксис с более чем двумя входными параметрами не поддерживается. Два `dlarray` входы равны, если представляемые ими числовые данные равны (обработка `NaN`s как равные) и если они оба либо форматированы с одним и тем же форматом данных, либо неформатированы.

isequal

Синтаксис с более чем двумя входными параметрами не поддерживается.
Два dlarray входы равны, если числовые данные, которые они представляют, равны, и если они оба либо форматированы с одним и тем же форматом данных, либо неформатированы.

isequaln

Синтаксис с более чем двумя входными параметрами не поддерживается.
Два dlarray входы равны, если представляемые ими числовые данные равны (обработка NaNs как равные) и если они оба либо форматированы с одним и тем же форматом данных, либо неформатированы.

Тип данных и функции идентификации значения

Функция	Примечания и ограничения
`isfloat`	Программа применяет функцию к базовым данным входного `dlarray`.
`islogical`
`isnumeric`
`isreal`	Потому что `dlarray` не поддерживает комплексные числа, эта функция всегда возвращается `true` для `dlarray` вход.

Функции идентификации размера

Функция	Примечания и ограничения
`length`	Н/Д
`ndims`	Если вход `dlarray` `dlX` форматируется, затем `ndims(dlX)` возвращает количество меток размеров, даже если некоторые из маркированных размерностей являются конечными синглтонными размерностями.
`numel`	Н/Д
`size`	Если вход `dlarray` `dlX` форматируется, затем `size(dlX)` возвращает вектор длины, равный количеству меток измерений, даже если некоторые из маркированных размерностей являются конечными синглтонными размерностями.

Функции создателя

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

См. также

Объекты

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

Подробнее о

Ограничения dlarray для генерации кода
Задайте пользовательские циклы обучения, функции потерь и сети (Deep Learning Toolbox)
Обучите сеть с помощью пользовательского цикла обучения (Deep Learning Toolbox)
Делайте предсказания, используя объект dlnetwork (Deep Learning Toolbox)

Документация