Coder.LoadDeePlearningnetwork.

加载深度学习网络模型

页面上倒塌

句法

net = coder.loaddeeplearningnetwork（filename）
net = coder.loaddeeplearningnetwork（functionName）
net = coder.loaddeeplearningnetwork（___，网络名称）

描述

网= Coder.LoadDeePlearInneNnetWork（文件名）加载普罗赛普雷系列网络那Dagnetwork.那Yolov2ObjectDetector， 或者ssdobjectdetector保存在的对象文件名Mat文件。文件名必须是matlab上存在的有效垫文件®含有单个的路径系列网络那Dagnetwork.那Yolov2ObjectDetector， 或者ssdobjectdetector目的。MAT文件必须仅包含要加载的网络。

例子

网= Coder.LoadDeePlearInneNnetWork（functionName.）调用返回佩带深度学习的函数系列网络那Dagnetwork.那Yolov2ObjectDetector， 或者ssdobjectdetector目的。functionName.必须是返回a的matlab路径上存在的函数的名称系列网络那Dagnetwork.那Yolov2ObjectDetector， 或者ssdobjectdetector目的。

例子

网= Coder.LoadDeePlearInneNnetWork（___那网络名称）是相同的net = coder.loaddeeplearningnetwork（filename）使用选项命名从网络生成的C ++类。网络名称是保存在MAT文件中的网络对象的描述性名称，也可以指向该函数。网络名称必须是一个char类型为C ++中的有效标识符。

从网络对象推断生成代码时使用此功能。此函数从该网络生成C ++类。类名来自MAT文件名或函数名称。

例子

全部收缩

使用Coder.LoadDeePlearningnetwork.函数加载vgg-16.系列网络并为此网络生成C ++代码。

获取包含预磨的垫文件vgg-16.网络。

URL =.'//www.tianjin-qmedu.com/万博1manbetxsupportfiles/gpucoder/cnn_models/vgg/vgg16.mat';WebSave（'vgg16.mat'，URL）;

创建一个入口点函数myvgg16.这是用来的Coder.LoadDeePlearningnetwork.装载的功能vgg16.mat进入持久性yeNet.系列网络目的。

功能OUT = MyVGG16（in）执着的yeNet;如果isempty（mynet）mynet = coder.loaddeeplearningnetwork（'vgg16.mat'那'myvggnet'）;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vgg-16.网络接受大小的图像224x224x3。使用以下代码行从图形文件中读取输入图像并将其调整为大小224x224。

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'。这Codegen.函数必须确定MATLAB函数输入的大小，类和复杂性。使用- args.选项要将输入的大小指定为入门点函数。使用-Config.选项可通过代码配置对象。

cfg = coder.config（'mex'）;cfg.targetlang ='c ++';cfg.deeplearningconfig = coder.deeplearningconfig（'mkldnn'）;Codegen.-  args.{ONE（224,224,3，'UINT8'）}-Config.CFG.myvgg16.-报告;

这Codegen.命令将所有生成的文件放在中Codegen.文件夹。该文件夹包含入口点函数的C ++代码myvgg16.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。

称呼vgg-16.预测输入图像并显示前五个预测标签。

predict_coves = myvgg16_mex（in）;[得分，Indx] =排序（预测_coves，“下降”）;net = coder.loaddeeplearningnetwork（'vgg16.mat'）;ClassNames = Net.Layers（END）.Classes;DISP（CLASSNMES（INDX（1：5））））;
甜椒黄瓜杂货店橡子南瓜胡桃南瓜

使用Coder.LoadDeePlearningnetwork.函数加载resnet50系列网络和生成CUDA®此网络的代码。

创建一个入口点函数Resnetfun.这是用来的Coder.LoadDeePlearningnetwork.调用Deep Engrysuge Toolbox™工具箱功能的功能resnet50。此功能返回备用保留resnet-50网络。

功能OUT = RESNETFUN（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.gpuconfig.MEX代码生成的配置对象并将目标语言设置为C ++。这Codegen.函数必须确定MATLAB函数输入的大小，类和复杂性。使用- args.选项指定输入点函数的输入大小和-Config.选项可通过代码配置对象。

cfg = coder.gpuconfig（'mex'）;cfg.targetlang ='c ++';cfg.deeplearningconfig = coder.deeplearningconfig（'cudnn'）;Codegen.-  args.{ONE（224,224,3，'UINT8'）}-Config.CFG.Resnetfun.-报告;

这Codegen.命令将所有生成的文件放在中Codegen.文件夹。它包含入门点函数的CUDA代码Resnetfun.cu.，标题和包含Contruted神经网络（CNN），重量和偏置文件的C ++类定义的源文件。

输入参数

全部收缩

指定包含备用的MAT文件的名称系列网络那Dagnetwork.那Yolov2ObjectDetector， 或者ssdobjectdetector目的。

数据类型：细绳

指定返回备用函数的函数的名称系列网络那Dagnetwork.那Yolov2ObjectDetector， 或者ssdobjectdetector目的。

数据类型：细绳

保存在Mat文件中的网络对象的描述性名称。它必须是一个char类型为C ++中的有效标识符。

数据类型：char

输出参数

全部收缩

网络推论，作为一个返回系列网络那Dagnetwork.那Yolov2ObjectDetector， 或者ssdobjectdetector目的。

限制

  • Coder.LoadDeePlearningnetwork.不支持使用多个网络万博1manbetx加载Mat文件。

  • MAT文件必须仅包含要加载的网络。

也可以看看

|||||

话题

在R2017B中介绍

GPU编码器文档
万博1manbetx
从MATLAB生成CUDA代码：加速GPU上的嵌入式视觉和深度学习算法

从MATLAB生成CUDA代码：加速GPU上的嵌入式视觉和深度学习算法

下载白皮书