为深度学习网络生成泛型 c/c 代码 -凯发k8网页登录

  • 文档
main content

为深度学习网络生成泛型 c/c 代码

使用 matlab® coder™，您可以根据已经过训练的神经网络生成用于预测的泛型 c 或 c 代码。生成的 c/c 代码不依赖任何第三方库。生成的代码使用在输入 (deep learning toolbox) 或 (deep learning toolbox) 网络对象中指定的架构、层和参数来实现神经网络。请参阅代码生成支持的网络和层。

使用以下方法之一生成代码：

  • 从 matlab 代码生成 c/c 代码的标准 codegen 命令。

  • matlab coder。

要求

  • 在 windows® 上，使用 codegen 函数为深度学习网络生成代码需要 microsoft® visual studio® 或 mingw® 编译器。

  • matlab coder interface for deep learning。要安装此支持包，请从 matlab 的附加功能菜单中选择它。

  • deep learning toolbox™.

使用 codegen 生成代码

  1. 在 matlab 中编写入口函数，该入口函数：

    • 使用 函数来构造和设置网络对象。有关详细信息，请参阅。

    • 对入口函数输入调用网络的 (deep learning toolbox) 方法。

    • 在 predict 方法中指定 minibatchsize，以管理对多个输入图像或观测值进行预测时的内存使用量。

    例如：

    function out = my_predict(in) %#codegen
% a persistent object mynet is used to load the series network object.
% at the first call to this function, the persistent object is constructed and
% setup. when the function is called subsequent times, the same object is reused 
% to call predict on inputs, thus avoiding reconstructing and reloading the
% network object.
persistent mynet;
if isempty(mynet)
    mynet = coder.loaddeeplearningnetwork('mynetwork.mat');
end
% pass in input   
out = predict(mynet,in,'minibatchsize',2);

  2. 创建深度学习配置对象 dlconfig，将其配置为通过使用 函数来生成泛型 c/c 代码。

    dlconfig = coder.deeplearningconfig(targetlibrary='none');

    为 mex、可执行文件或者静态或动态链接库创建代码生成配置对象。默认情况下，代码生成器生成泛型 c 代码。要生成泛型 c 代码，请在代码生成配置对象中，将 targetlang 参数设置为 'c '。将 deeplearningconfig 参数设置为之前创建的对象 dlconfig。

    cfg = coder.config('lib');
cfg.targetlang = 'c  ';
cfg.deeplearningconfig = dlconfig;

  3. 运行 codegen 命令。使用 -config 选项指定配置对象。使用 -args 选项指定输入类型。

    codegen -config cfg my_predict -args {myinput} -report

    注意

    您可以为代码生成指定半精度输入。但是，代码生成器类型会将输入转换为单精度。deep learning toolbox 对 matlab 中的所有计算使用单精度浮点算术。

使用 matlab coder 生成代码

  1. 按照通常的步骤指定入口函数和输入类型。请参阅。

  2. 在生成代码步骤中：

    • 将语言设置为 c 或 c 。

    • 点击更多设置。在深度学习窗格中，将目标库设置为无。

  3. 生成代码。

另请参阅

| |

相关主题

    网站地图