関数coder.loadDeepLearningNetworkを使用してresnet50(深度学习工具箱)SeriesNetworkオブジェクトを読み込むエントリポ@ @ント関数resnet_predictを作成します。

函数Out = resnet_predict(in)持续的mynet;如果mynet = code . loaddeeplearningnetwork (mynet)“resnet50”，“myresnet”）;结束Out = predict(mynet,in);

この永続オブジェクトによって，入力に対して预测メソッドを呼び出す関数のそれ以降の呼び出し時に,ネットワークオブジェクトの再構成と再読み込みが回避されます。

事前学習済みのResNet-50ネットワクの入力層は，サズが224年x224x3の▪▪メ▪▪ジを受け入れます。グラフィックスファ▪▪ルから入力▪▪メ▪ジを読み取り，そのサ▪▪ズを224年x224に変更するには，次のコ，ド行を使用します。

In = imread(“peppers.png”）;In = imresize(In，[224,224]);

Mexコ，ド生成用にcoder.config構成オブジェクトを作成し，タ，ゲット言語をc++に設定します。この構成オブジェクトでは，targetlibを“mkldnn”にしてDeepLearningConfigを設定します。関数codegenの配置オプションを使用してこのコ，ド構成オブジェクトを渡します。関数codegenは，matlab^®関数入力のサ▪▪▪ズ，クラス，および実数/複素数を決定しなければなりません。arg游戏オプションを使用して，エントリポaaplント関数の入力のサaaplズを指定します。

CFG = code .config(墨西哥人的）;cfg。TargetLang =“c++”；cfg。DeepLearningConfig =编码器。DeepLearningConfig(TargetLibrary =“mkldnn”）;codegenarg游戏{(224224 3,“单”)}配置cfgresnet_predict；

codegenコマンドはすべての生成されたファ@ @ルをcodegenフォルダ，に配置します。ここには，エントリポresnet_predict.cppのc++コード,ヘッダーファイル,畳み込みニューラルネットワーク(CNN)のc++クラス定義を含むソースファイル,重みファイル,およびバイアスファイルが含まれます。