支持c++代码生成的网络和层- MATL万博1manbetxAB和Simulink万博1manbetx

支持c++代码生成的网络和层万博1manbetx

MATLAB^®编码器™万博1manbetx支持序列和有向无环图(DAG)卷积神经网络(CNNs或ConvNets)的代码生成。您可以为任何经过训练的卷积神经网络生成代码，它的层支持代码生成。万博1manbetx看到万博1manbetx支持图层。

万博1manbetx支持Pretrained网络

以下在深度学习工具箱™中提供的预先训练的网络可用于代码生成。万博1manbetx

网络名称	描述	手臂^®计算库	英特尔^®MKL-DNN
`AlexNet`	AlexNet卷积神经网络。对于预先训练的AlexNet模型，请参见`alexnet`。	是的	是的
`DarkNet`	DarkNet-19和DarkNet-53卷积神经网络。对于预先训练的暗网模型，请看`darknet19`和`darknet53`。	是的	是的
`densenet - 201`	DenseNet-201卷积神经网络。对于预训练的DenseNet-201模型，参见`densenet201`。	是的	是的
`GoogLeNet`	GoogLeNet卷积神经网络。对于预先训练的GoogLeNet模型，参见`googlenet`。	是的	是的
`Inception-ResNet-v2`	成立之初，RESNET-V2卷积神经网络。对于预训练的盗梦空间，RESNET-V2型号，请参阅`inceptionresnetv2`。	是的	是的
`盗梦空间-V3`	盗梦空间-V3卷积神经网络。对于预训练盗-V3型号，请参阅`inceptionv3`。	是的	是的
`MobileNet-v2`	MobileNet-V2卷积神经网络。对于预训练MobileNet-V2型号，请参阅`mobilenetv2`。	是的	是的
`NASNet，大`	NASNet-大卷积神经网络。对于预训练NASNet-Large模式，见`nasnetlarge`。	是的	是的
`NASNet-Mobile的`	NASNet-Mobile卷积神经网络。对于预训练过的NASNet-Mobile模型，请参见`nasnetmobile`。	是的	是的
`RESNET`	RESNET-18，RESNET-50，和RESNET-101卷积神经网络。对于预训练RESNET车型，看看`resnet18`,`resnet50`和`resnet101`。	是的	是的
`SegNet`	多级的基于像素的分割网络。欲了解更多信息，请参阅`segnetLayers`。	没有	是的
`SqueezeNet`	小，深层神经网络。对于预训练SqeezeNet车型，看看`squeezenet`。	是的	是的
`VGG-16`	VGG-16卷积神经网络。对于预训练VGG-16型号，请参阅`vgg16`。	是的	是的
`VGG-19`	VGG-19卷积神经网络。对于预训练VGG-19型号，请参阅`vgg19`。	是的	是的
`Xception`	Xception卷积神经网络。对于预训练Xception型号，请参阅`xception`。	是的	是的

万博1manbetx支持图层

以下层支持代码生成万博1manbetxMATLAB编码器针对表中指定的目标深度学习库。

一旦你安装了支持包万博1manbetxMATLAB编码器接口，用于深度学习库，你可以使用coder.getDeepLearningLayers查看特定深度学习库支持的层的列表。万博1manbetx例如:

coder.getDeepLearningLayers (“mkldnn”)

层的名字	描述	臂计算库	英特尔MKL-DNN
`additionLayer`	添加层	是的	是的
`anchorBoxLayer`	锚箱层	是的	是的
`averagePooling2dLayer`	平均汇聚层	是的	是的
`batchNormalizationLayer`	批归一化层	是的	是的
`bilstmLayer`	双向LSTM层	是的	没有
`classificationLayer`	创建分类输出层	是的	是的
`clippedReluLayer`	剪切整流线性单元(ReLU)层	是的	是的
`concatenationLayer`	级联层	是的	是的
`convolution2dLayer`	二维卷积层	是的	是的
`crop2dLayer`	层，应用2-D裁剪到输入	是的	是的
`CrossChannelNormalizationLayer`	信道局部响应归一化层	是的	是的
自定义输出层	所有输出层，其包括通过使用创建的自定义分类或回归输出层`nnet.layer.ClassificationLayer`要么`nnet.layer.RegressionLayer`。为示出了如何定义自定义分类输出层，并指定一个损失函数的例子，请参见定义自定义分类输出层（深学习工具箱）。为示出了如何定义自定义回归输出层，并指定一个损失函数的例子，请参见定义自定义回归输出层（深学习工具箱）。	是的	是的
`depthConcatenationLayer`	深度连接层	是的	是的
`dropoutLayer`	辍学层	是的	是的
`eluLayer`	指数线性单元（ELU）层	是的	是的
`fullyConnectedLayer`	完全连接层	是的	是的
`globalAveragePooling2dLayer`	对空间数据全球平均池层	是的	是的
`globalMaxPooling2dLayer`	2-d全局最大池层	是的	是的
`groupedConvolution2dLayer`	2-d分组卷积层	是的如果指定一个整数`numGroups`，则该值必须小于或等于`2`。	是的
`imageInputLayer`	图像输入层代码生成不支持万博1manbetx`'正常化'`使用函数句柄指定。	是的	是的
`leakyReluLayer`	漏电整流线性单元(ReLU)层	是的	是的
`lstmLayer`	长短期记忆（LSTM）层	是的	没有
`maxPooling2dLayer`	马克斯池层	是的	是的
`maxUnpooling2dLayer`	最大unpooling层	没有	是的
`pixelClassificationLayer`	为语义分割创建像素分类层	是的	是的
`regressionLayer`	创建一个回归输出层	是的	是的
`reluLayer`	整流线性单元(ReLU)层	是的	是的
`sequenceInputLayer`	序列输入层	是的	没有
`softmaxLayer`	SOFTMAX层	是的	是的
`ssdMergeLayer`	用于对象检测的SSD合并层	是的	是的
`nnet.keras.layer.FlattenCStyleLayer`	平展激活成1-d假设C风格（行主）为了	是的	是的
`nnet.keras.layer.GlobalAveragePooling2dLayer`	对空间数据全球平均池层	是的	是的
`nnet.keras.layer.SigmoidLayer`	乙状结肠激活层	是的	是的
`nnet.keras.layer.TanhLayer`	双曲正切激活层	是的	是的
`nnet.keras.layer.ZeroPadding2dLayer`	2-D输入的零填充层	是的	是的
`nnet.onnx.layer.ElementwiseAffineLayer`	层，该层对输入执行元素级伸缩，然后执行加法	是的	是的
`nnet.onnx.layer.FlattenLayer`	ONNX™网络的平坦层	是的	是的
`nnet.onnx.layer.IdentityLayer`	层实现ONNX身份操作	是的	是的
`tanhLayer`	双曲正切（双曲正切）层	是的	是的
`transposedConv2dLayer`	转置二维卷积层代码生成不支持输入的不对称裁剪。万博1manbetx例如，指定一个矢量`[T B L R]`为了`“裁剪”`参数裁剪上，下，左，右输入的不支持。万博1manbetx	是的	是的
`wordEmbeddingLayer`	一个字埋入层映射字索引到矢量	是的	没有
`YOLOv2OutputLayer`	对于YOLO v2的物体检测网络输出层	是的	是的
`YOLOv2ReorgLayer`	YOLO v2对象检测网络的重组层	是的	是的
`YOLOv2TransformLayer`	用于YOLO v2对象检测网络的变换层	是的	是的

万博1manbetx支持的类

类	描述	臂计算库	英特尔MKL-DNN
`yolov2ObjectDetector`	只有`检测`的方法`yolov2ObjectDetector`支持代万博1manbetx码生成。的`投资回报率`参数`检测`方法必须是一个代码生成常数（`coder.const ()`）和1×4载体中。只有`阈`,`SelectStrongest`,`MINSIZE`和`最大尺寸`名称-值对的`检测`都受支持万博1manbetx。的`标签`的输出`检测`作为字符向量的单元数组返回，例如，`{“汽车”,“巴士”}`。	是的	是的
`ssdObjectDetector`	对象使用基于ssd的检测器检测对象。只有`检测`的方法`ssdObjectDetector`支持代万博1manbetx码生成。的`投资回报率`参数`检测`方法必须是一个codegen常数(`coder.const ()`）和1×4载体中。只有`阈`,`SelectStrongest`,`MINSIZE`,`最大尺寸`和`MiniBatchSize`名称 - 值对的支持。万博1manbetx所有名称 - 值对必须是编译时间常数。输入图像的通道和批大小必须是固定的。的`标签`输出被返回作为分类数组。在生成的代码，输入被重新缩放到网络的输入层的尺寸。但边框的`检测`方法返回是在参考原始输入大小。	是的	是的

类

描述

臂计算库

英特尔MKL-DNN

yolov2ObjectDetector

只有检测的方法yolov2ObjectDetector支持代万博1manbetx码生成。
的投资回报率参数检测方法必须是一个代码生成常数（coder.const ()）和1×4载体中。
只有阈,SelectStrongest,MINSIZE和最大尺寸名称-值对的检测都受支持万博1manbetx。
的标签的输出检测作为字符向量的单元数组返回，例如，{“汽车”,“巴士”}。

是的

ssdObjectDetector

对象使用基于ssd的检测器检测对象。

只有检测的方法ssdObjectDetector支持代万博1manbetx码生成。
的投资回报率参数检测方法必须是一个codegen常数(coder.const ()）和1×4载体中。
只有阈,SelectStrongest,MINSIZE,最大尺寸和MiniBatchSize名称 - 值对的支持。万博1manbetx所有名称 - 值对必须是编译时间常数。
输入图像的通道和批大小必须是固定的。
的标签输出被返回作为分类数组。
在生成的代码，输入被重新缩放到网络的输入层的尺寸。但边框的检测方法返回是在参考原始输入大小。

是的

另请参阅

coder.getDeepLearningLayers

支持c++代码生成的网络和层万博1manbetx

万博1manbetx支持Pretrained网络

万博1manbetx支持图层

万博1manbetx支持的类

另请参阅

相关话题

MATLAB编码器文档

万博1manbetx

尝试MATLAB、Sim万博1manbetxulink和其他产品s manbetx 845