通过使用加载网络coder.loadDeepLearningNetwork

可以从任何支持代码生成的网络中加载网络对象金宝appcoder.loadDeepLearningNetwork。您可以从mat文件指定网络。mat文件必须只包含要加载的网络。

例如，假设您创建了一个经过训练的网络对象myNet通过使用trainNetwork(深度学习工具箱)函数。然后，通过输入保存工作空间保存。这将创建一个名为matlab.mat其中包含网络对象。加载网络对象myNet,输入:

net = code . loaddeeplearningnetwork (“matlab.mat”);

还可以通过提供返回预训练结果的函数名来指定网络SeriesNetwork(深度学习工具箱)，DAGNetwork(深度学习工具箱)，yolov2ObjectDetector(计算机视觉工具箱),或ssdObjectDetector(计算机视觉工具箱)对象，例如:

例如，通过输入以下命令加载一个网络对象:

net = code . loaddeeplearningnetwork (“googlenet”);

前面列表中的“深度学习工具箱™”函数要求您为该函数安装支持包。金宝app看到预训练的深度神经网络(深度学习工具箱)。

为代码生成指定一个网络对象

如果您通过使用codegen或应用程序，在你的入口点函数内加载网络对象通过使用coder.loadDeepLearningNetwork。例如:

函数out = myNet_predict(in)% # codegen持续的mynet;如果mynet = code . loaddeeplearningnetwork (mynet)“matlab.mat”);结束Out = predict(mynet,in);

对于预先训练的网络，可用作支持包功能，如金宝appalexnet，inceptionv3，googlenet,resnet时，可直接指定支持包功能，如金宝appMynet = googlenet。

接下来，为入口点函数生成代码。例如:

CFG = code .config(墨西哥人的);cfg。TargetLang =“c++”;cfg。DeepLearningConfig =编码器。DeepLearningConfig (“mkldnn”);codegenarg游戏{(224224 3,“单”)}配置cfgmyNet_predict