深度学习与MATLAB编码器
为深度学习神经网络生成c++代码(需要深度学习工具箱™)
深度学习是机器学习的一个分支,它教会计算机做人类与生俱来的事情:从经验中学习。学习算法使用计算方法直接从数据中“学习”信息,而不依赖预定方程作为模型。深度学习使用卷积神经网络(CNNs)直接从图像中学习有用的数据表示。
您可以使用MATLAB®编码器™使用深度学习工具箱从训练有素的CNN生成c++代码。然后可以将生成的代码部署到使用Intel的嵌入式平台上®或手臂®处理器。您还可以从训练有素的CNN生成不依赖任何第三方库的通用C或c++代码。
深度学习与MATLAB编码器不支持MATLAB在线™.
功能
codegen |
生成C/ c++代码MATLAB代码 |
coder.loadDeepLearningNetwork |
加载深度学习网络模型 |
编码器。DeepLearningConfig |
创建深度学习代码生成配置对象 |
编码器。手臂NEONConfig |
参数来配置深度学习代码生成手臂计算库 |
编码器。CMSISNNConfig |
为Cortex-M目标配置深度学习代码生成与CMSIS-NN库的参数 |
编码器。MklDNNConfig |
参数来配置深度学习代码生成英特尔深度神经网络的数学内核库 |
analyzeNetworkForCodegen |
分析代码生成的深度学习网络 |
coder.regenerateDeepLearningParameters |
重新生成包含网络可学习内容和状态参数的文件 |
主题
- 用MATLAB编码器进行深度学习的先决条件
为深度学习网络安2022世界杯八强谁会赢?装产品和配置代码生成环境。
- 基于MATLAB Coder的深度学习代码生成工作流程
从预训练的网络生成预测代码。
- 代码生成支持的网络和层
选择目标处理器支持的卷积神经网络。
- 分析网络代码生成
检查深度学习网络的代码生成兼容性。
- dlarray的代码生成
在用于代码生成的MATLAB代码中使用深度学习数组。
- dlarray代码生成的限制
坚持深度学习数组的代码生成限制。
- 为代码生成加载预先训练的网络
创建一个
SeriesNetwork
,DAGNetwork
,yolov2ObjectDetector
,ssdObjectDetector
,或dlnetwork
对象,用于代码生成。 - 为深度学习网络生成通用的C/ c++代码
从不依赖任何第三方库的深度学习网络中生成用于预测的C/ c++代码。
- 基于MKL-DNN的深度学习网络代码生成
从深度学习网络生成用于预测的c++代码,目标是英特尔CPU。
- 基于ARM计算库的深度学习网络代码生成
从深度学习网络生成用于预测的c++代码,目标是ARM处理器。
- 交叉编译使用ARM计算库的深度学习代码
在主机上生成库或可执行代码,以部署在ARM硬件目标上。
- 为深度学习网络生成int8代码
为预训练的卷积神经网络量化和生成代码。
- 代码生成后更新网络参数
对深度学习网络参数进行邮编生成更新。
相关信息
- 开始使用深度学习工具箱(深度学习工具箱)
- GPU Coder深度学习(GPU编码器)