深度学习工具箱。

MobileNet-V2网络支持包的深度学习工具箱模型。万博1manbetx

GPU编码器接口深度学习图书馆万博1manbetx支持包。要安装支持包，从MATLAB中万博1manbetx选择支持包^®附加组件菜单。

手臂计算库对于计算机视觉和机器学习，必须安装在目标硬件上。有关有关编译器和库的支持版本的信息，请参阅万博1manbetx安装必备产品s manbetx 845。

编译器和库的环境变量。有关更多信息，请参阅环境变量。

加载预制MobileNet-V2网络。您可以选择加载不同的预制网络以进行图像分类。如果未安装所需的支持软件包，则该软件提供了一个下载链接。万博1manbetx

net = mobilenetv2;

物体网包含DAGNetwork目的。使用分析（深学习工具箱）功能要显示网络架构的交互式可视化，以检测网络中的错误和问题，并显示有关网络层的详细信息。图层信息包括层激活和学习参数的大小，学习参数的总数，以及经常性层的状态参数的大小。

analyzeNetwork（净值）;

您要分类的图像必须具有与网络的输入大小相同的大小。对于googlenet，大小imageInputLayer（深学习工具箱）是224-通过-224×3。这班级输出特性classificationLayer（深学习工具箱）包含网络上了解到的类的名称。查看10名随机类名在总共1000。

ClassNames = Net.Layers（END）.Classes;numclasses = numel（classnames）;DISP（CLASSNMES（RANDPERM（NUMCLASES，10）））

公鸡蜂房皂液器蒂蒂车轮长尾枪口木耳七叶树巨石

有关更多信息，请参阅深度学习图层列表（深学习工具箱）。

称呼cnncodegen.和'targetlib'指定为'ARM-Compute-Mali'。例如：

net = googlenet;cnncodegen（网，'targetlib'那'ARM-Compute-Mali'那'批量化'，1）;

为了'ARM-Compute-Mali'， 的价值Batchsize.必须是1。

这'targetparams'名称 - 值对参数使您可以指定ARM计算库的图书馆特定参数，而不是在目标ARM Mali GPU时适用。

这cnncodegen.命令生成代码，makefile，cnnbuild_rtw.mk和其他支持文件的基础上在万博1manbetx目标硬件生成的代码。该命令将所有在生成的文件代码生成文件夹。

写C ++的主要功能是通话预测。对于示例主文件与所生成的代码的接口，见ARM的GPU马里深度学习预测

移动产生代码生成文件夹，并使用您的首选安全文件复制（SCP）从主机开发计算机的ARM硬件的其他文件和Secure Shell（SSH）客户端。建立目标上的可执行程序。