%保存预训练的序列网络对象snet=vgg19；%创建目标对象并定义与目标板的接口hTarget=dlhdl.Target(“英特尔”);%使用FPFA位流为SeriesNetwork创建工作流对象hW=dlhdl.Workflow(“网络”，snet，“比特流”,“arria10soc_单人”,“目标”，hTarget）；

%加载输入图像并根据网络规格调整其大小图像=imread(“zebra.jpeg”)；inputImg=imresize（图像，[224224]）；imshow（inputImg）；imIn=single（inputImg）；

%部署工作流对象硬件部署；%预测结果并有选择地分析结果以衡量绩效。[预测，速度]=硬件预测（imIn，“个人资料”,“开”); [val，idx]=max（预测）；snet.Layers（end）.ClassNames{idx}

作用net=getlogonnetworkdata=getLogoData；net=data.convnet；终止作用data=getLogoData如果~isfile(“LogoNet.mat”)网址='//www.tianjin-qmedu.com/万博1manbetxsupportfiles/gpucoder/cnn_models/logo_detection/LogoNet.mat'; 韦伯萨夫(“LogoNet.mat”，网址）；终止数据=负载(“LogoNet.mat”);终止

curDir=pwd；newDir=fullfile（matlabroot、，“例子”,“深度学习共享”,“数据”,'logos_dataset.zip'); 复制文件（newDir、curDir）；解压('logos_dataset.zip')；imds=图像数据存储(“logos\u数据集”,...“包含子文件夹”符合事实的...“标签源”,“foldernames”)；[imdsTrain，imdsValidation]=splitEachLabel（imds，0.7，“随机化”);

%保存预训练的序列网络对象snet=getlogonnetwork；%创建目标对象并定义与目标板的接口hTarget=dlhdl.Target(“Xilinx”,“接口”,“以太网”);%创建量化网络对象dlquantObj=dlquantizer（snet，“执行环境”,“FPGA”)dlquantObj.校准（imdsTrain）；%使用FPFA位流为SeriesNetwork创建工作流对象hW=dlhdl.Workflow(“网络”，dlquantObj，“比特流”,“zcu102_int8”,“目标”，hTarget）；

index=randperm（numel（imdsValidation.Files），1）imIn=readimage（imdsValidation，index）inputImg=imresize（imIn[227]）；

%部署工作流对象硬件部署；%预测结果并有选择地分析结果以衡量绩效。[预测，速度]=硬件预测（单个（输入），“个人资料”,“开”); [val，idx]=max（预测）；snet.Layers（end）.ClassNames{idx}