为代码生成加载预训练的网络
您可以为预训练的卷积神经网络(CNN)生成代码。若要向代码生成器提供网络,请加载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。
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:
alexnet
(深度学习工具箱)densenet201
(深度学习工具箱)googlenet
(深度学习工具箱)inceptionv3
(深度学习工具箱)mobilenetv2
(深度学习工具箱)resnet18
(深度学习工具箱)resnet50
(深度学习工具箱)resnet101
(深度学习工具箱)squeezenet
(深度学习工具箱)vgg16
(深度学习工具箱)vgg19
(深度学习工具箱)xception
(深度学习工具箱)
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
另请参阅
功能
对象
ssdObjectDetector
(计算机视觉工具箱)|yolov2ObjectDetector
(计算机视觉工具箱)|DAGNetwork
(深度学习工具箱)|SeriesNetwork
(深度学习工具箱)