创建一个入口点函数resnet_predict.这是用来的Coder.LoadDeePlearningnetwork.装载的功能resnet50（深度学习工具箱）系列网络目的。

功能OUT = RESNET_PREDICT（IN）执着的yeNet;如果isempty（mynet）mynet = coder.loaddeeplearningnetwork（'resnet50'那'myresnet'）;结尾出局=预测（Mynet，In）;

持久对象避免在后续调用函数中重建和重新加载网络对象来调用预测输入上的方法。

预制的输入层resnet-50.网络接受大小的图像224x224x3。从图形文件读取输入图像并将其调整为大小224x224，使用以下代码行：

在= imread（'peppers.png'）;In = Imresize（在[224,224]中）;

创建一个Coder.config.MEX代码生成的配置对象并将目标语言设置为C ++。在配置对象上，设置DeeplearningConfig和targetlib.作为'mkldnn'。使用-Config.选项Codegen.函数传递此代码配置对象。这Codegen.功能必须确定matlab的大小，类和复杂性^®功能输入。使用- args.选项要将输入的大小指定为入门点函数。

cfg = coder.config（'mex'）;cfg.targetlang =.'c ++';cfg.deeplearningconfig = coder.deeplearningconfig（'mkldnn'）;Codegen.-  args.{ONE（224,224,3，'单'）}-Config.CFG.resnet_predict.;

这Codegen.命令将所有生成的文件放在中Codegen.文件夹。它包含入口点函数的C ++代码resnet_predict.cpp.，包含Contruted神经网络（CNN），重量和偏置文件的C ++类定义的标题和源文件。