基于ARM计算库的深度学习网络代码生成- MATLAB和Simulink万博1manbetx

代码生成深学习网络与手臂计算库

和马铃薯^®编码器™，您可以针对使用ARM的嵌入式平台，从一个已经训练过的卷积神经网络(CNN)生成预测代码^®处理器支持NEON扩展。万博1manbetx代码生成取ARM的优势计算库用于计算机视觉和机器学习。生成的代码实现了一个CNN，该CNN具有输入中指定的体系结构、层和参数SeriesNetwork（深度学习工具箱）或DAGNetwork（深度学习工具箱）网络对象。

通过使用这些方法之一生成代码：

要求

深度学习库的MATLAB编码器接口．要安装支持包，从MATLAB中万博1manbetx选择加载项菜单。
手臂计算库对于计算机视觉和机器学习，必须在目标硬件上安装。
深度学习工具箱™。
编译器和库的环境变量。

请注意

ARM的计算库版本，在此帮助主题用途的例子可能不是最新版本的代码生成支持。万博1manbetx对于库的万博1manbetx受支持版本，以及有关设置环境变量的信息，请参阅先决条件深度学习与MATLAB编码器．

利用代码生成`codegen`

通过使用生成ARM目标上的深入学习代码codegen：

编写一个入口点函数，加载预训练的CNN并调用预测．例如:

功能= squeezenet_predict(中)% # codegen持续的网opencv_链接标志=pkg-config——cflags——libs opencv "；coder.updateBuildInfo（“addLinkFlags”, opencv_linkflags);如果net = code . loaddeeplearningnetwork (“挤压网”，“挤压网”）;结尾= net.predict(的);结尾

如果您的目标硬件是Raspberry Pi™，您可以利用覆盆子PI硬件万博1manbetx的MATLAB支持包．有了支持包，万博1manbetxcodegen将生成的代码移动到树莓派上，并在树莓派上构建可执行程序。当您为没有硬件支持包的目标生成代码时，您必须运行命令来移动生成的文件并构建可执行程序。万博1manbetx
MEX代不支持代码生成ARM的目标深度学习。万博1manbetx
对于ARM，对于输入预测（深度学习工具箱）与多个图像或观测（N> 1),一个MiniBatchSize不支持大于1的值。万博1manbetx指定一个MiniBatchSize1。

代码生成深学习上树莓派

当你有覆盆子PI硬件万博1manbetx的MATLAB支持包，在树莓派上生成深度学习代码:

要连接到树莓Pi，请使用raspi（MATLAB支万博1manbetx持包树莓派的硬件）．例如:
```
R = raspi（“raspiname”，“用户名”，'密码'）;
```
对库中创建代码生成配置对象，或通过使用可执行coder.config．设置TargetLang财产“c++”．
```
CFG = coder.config（exe”）;cfg.TargetLang =“c++”；
```
通过创建学习深配置对象coder.DeepLearningConfig．设置ArmComputeVersion和ArmArchitecture属性。设置DeepLearningConfig属性的代码生成配置对象编码器。手臂NEONConfig对象。例如:
```
dlcfg = coder.DeepLearningConfig（“臂-计算”）;dlcfg.ArmArchitecture =“armv7”；dlcfg。ArmComputeVersion ='19 0.05'；cfg.DeepLearningConfig = dlcfg;
```
要为树莓派配置代码生成硬件设置，创建编码器。硬件对象，通过使用coder.hardware．设置硬件属性的代码生成配置对象编码器。硬件目的。
```
HW = coder.hardware（“树莓派”); 硬件=硬件；
```
如果生成可执行程序，则提供C++主程序。例如：
```
cfg.CustomSource ='的main.cpp'；
```
要生成代码，请使用codegen．通过使用指定码生成配置对象配置选择。例如:
```
codegen配置cfgsqueezenet_predictarg游戏{酮（227，227，3， '单'）}-报告
```
请注意

您可以为代码生成指定半精度输入。但是，代码生成器类型将输入强制转换为单精度。深度学习工具箱使用单精度，浮点算法在MATLAB中的所有计算。

代码生成当你没有一个硬件支持包万博1manbetx

要在没有针对目标的硬件支持包时生成用于深入学习的代码，请执行以下操作：万博1manbetx

生成在Linux代码^®只有主机。
创建库配置对象。例如:
```
CFG = coder.config（“自由”）;
```
不要在可执行程序中使用配置对象。
配置代码生成，以生成C ++代码，并只生成源代码。
```
cfg.GenCodeOnly = TRUE;cfg.TargetLang =“c++”；
```
为了与ARM计算库指定代码生成，创建编码器。手臂NEONConfig通过使用coder.DeepLearningConfig．设置ArmComputeVersion和ArmArchitecture属性。设置DeepLearningConfig属性的代码生成配置对象编码器。手臂NEONConfig对象。
```
dlcfg = coder.DeepLearningConfig（“臂-计算”）;dlcfg.ArmArchitecture =“armv7”；dlcfg。ArmComputeVersion ='19 0.05'；cfg.DeepLearningConfig = dlcfg;
```
要配置特定于目标硬件的代码生成参数，请设置ProdHWDeviceType财产HardwareImplementation对象。
- 对于ARMv7架构，使用'ARM Compatible-> ARM皮质'．
- 为ARMv8架构，使用ARM兼容->ARM 64位(LP64)．
例如:
```
cfg.HardwareImplementation.ProdHWDeviceType =ARM兼容->ARM 64位(LP64)；
```
要生成代码，请使用codegen．通过使用指定码生成配置对象配置选择。例如:
```
codegen配置cfgsqueezenet_predictarg游戏{one (227, 227, 3， 'single')}-darm_compute
```

对于一个示例，请参见代码生成深学习ARM的目标．

生成的代码

串联网络被作为含有层类的数组C ++类生成。

类b_squeezenet_0 {市民：int32_T BATCHSIZE;int32_T numLayers;real32_T * inputData;real32_T * outputData;MWCNNLayer *层[68];私人：MWTargetNetworkImpl * targetImpl;公共：b_squeezenet_0（）;无效预先设置（）;空隙postsetup（）;空隙设置（）; void predict(); void cleanup(); real32_T *getLayerOutput(int32_T layerIndex, int32_T portIndex); ~b_squeezenet_0(); };

的设置()类设置手柄和分配存储器，用于所述网络对象的每一层的方法。的预测()方法对网络中的每一层调用预测。假设您为一个入口点函数生成代码，squeezenet_predict．在生成的“for you”文件中，squeezenet_predict.cpp，在入口点函数squeeznet_predict（）构造的静态对象b_squeezenet_0类类型并调用设置和预测在网络对象上。

静态b_squeezenet_0净;静态boolean_T net_not_empty;//函数定义// //持久化对象net用于加载DAGNetwork对象。//在第一次调用该函数时，构造并设置持久对象。当该函数随后被调用时，相同的对象被重用//以调用预测输入，避免重新构造和重新加载//网络对象。// Arguments: const real32_T in[154587] // real32_T out[1000] //返回类型:void // void squeezenet_predict(const real32_T in[154587]， real32_T out[1000]) {// Copyright 2018 The MathWorks，公司if (!net_not_empty) {DeepLearningNetwork_setup(&net);net_not_empty = true;} DeepLearningNetwork_predict(&net, in, out);｝

二进制文件导出对于具有参数，如完全连接和卷积层网络中的层。例如，对于名称的文件具有图案cnn_squeezenet _ * _ w ^和cnn_squeezenet _ * _ b对应于网络中卷积层的权重和偏差参数。

Cnn_squeezenet_conv10_b cnn_squeezenet_conv10_w cnn_squeezenet_conv1_b cnn_squeezenet_conv1_w cnn_squeezenet_fire2-expand1x1_b cnn_squeezenet_fire2-expand1x1_w cnn_squeezenet_fire2-expand3x3_b cnn_squeezenet_fire2-expand3x3_w cnn_squeezenet_fire2-squeeze1x1_b

代码生成量化深学习网络

看到代码生成量化深学习网络．

使用马铃薯编码员应用程序

完成选择源文件和定义输入类型脚步。
去医院生成代码步。（跳过检查运行时问题步骤，因为MEX代不支持代码生成与ARM计算库）。万博1manbetx
集语来C ++．
指定目标ARM硬件。
如果你的目标硬件树莓派你安装了覆盆子PI硬件万博1manbetx的MATLAB支持包：
- 为硬板中,选择覆盆子PI.．
- 单击，进入“树莓派”设置界面更多的设置．然后，点击硬件．指定设备地址，用户名，密码，和生成目录．
当你没有一个支持包为您的ARM目标：万博1manbetx
- 确保构建类型是静态库或动态库并选择只生成代码复选框。
- 为硬板中,选择无 - 选择以下设备．
- 为设备供应商中,选择ARM兼容．
- 为了设备类型：
  - 对于ARMv7架构，请选择臂皮质．
  - 对于ARMv8体系结构，选择ARM 64位（LP64）．
请注意

如果您在ARM目标上生成用于深度学习的代码，并且不使用硬件支持包，则只在Linux主机上生成代码。万博1manbetx
在里面深度学习窗格中,设置目标库来臂计算．指定ARM计算库版本和ARM计算架构．
生成代码。