基于ARM计算库的深度学习网络代码生成- MATLAB & Simulink - MathWorks Benelux万博1manbetx

用于深度学习网络的代码生成手臂计算库

与MATLAB^®编码器™，您可以从已经训练好的卷积神经网络(CNN)生成用于预测的代码，目标是使用ARM的嵌入式平台^®支持NEON扩展的处理器。万博1manbetx代码生成器利用了ARM计算库用于计算机视觉和机器学习。生成的代码实现了一个CNN，该CNN具有在输入中指定的体系结构、层和参数SeriesNetwork(深度学习工具箱)或DAGNetwork(深度学习工具箱)网络对象。

使用以下方法之一生成代码:

需求

深度学习库的MATLAB编码器接口．要安装支持包，请从MATLAB万博1manbetx中选择它附加组件菜单。
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。
深度学习工具箱™。
编译器和库的环境变量。

请注意

本帮助主题中的示例使用的ARM Compute库版本可能不是代码生成支持的最新版本。万博1manbetx有关受支万博1manbetx持的库版本以及有关设置环境变量的信息，请参见用MATLAB编码器进行深度学习的先决条件．

使用生成代码`codegen`

在ARM目标上生成用于深度学习的代码codegen：

编写一个入口点函数，加载预训练的CNN和调用预测．例如:

函数Out = squeezenet_predict(in)% # codegen持续的净;opencv_linkflags =“pkg-config——cflags——libs opencv”；coder.updateBuildInfo (“addLinkFlags”, opencv_linkflags);如果isempty(net) net = code . loaddeeplearningnetwork (“squeezenet”，“squeezenet”）;结束Out = net.predict(in);结束

如果你的目标硬件是树莓派™，你可以利用树莓派硬件的M万博1manbetxATLAB支持包．有了支持包，万博1manbetxcodegen将生成的代码移动到树莓派上，并在树莓派上构建可执行程序。为没有硬件支持包的目标生成代码时，必须运行命令来移动生成的文件并构建可执行程序。万博1manbetx
ARM目标上深度学习的代码生成不支持MEX生万博1manbetx成。
对于ARM，用于输入预测(深度学习工具箱)有多个图像或观察结果(N > 1),一个MiniBatchSize不支持大于1的。万博1manbetx指定一个MiniBatchSize为1。

树莓派上的深度学习代码生成

当你有树莓派硬件的M万博1manbetxATLAB支持包，在树莓派上生成用于深度学习的代码:

要连接到树莓派，使用raspi(树莓派硬件MA万博1manbetxTLAB支持包)．例如:
```
R =树皮(“raspiname”，“用户名”，“密码”）;
```
使用为库或可执行文件创建代码生成配置对象coder.config．设置TargetLang财产“c++”．
```
CFG = code .config(exe”）;cfg。TargetLang =“c++”；
```
使用创建深度学习配置对象编码器。DeepLearningConfig．设置ArmComputeVersion而且ArmArchitecture属性。设置DeepLearningConfig属性的代码生成配置对象编码器。手臂NEONConfig对象。例如:
```
DLCFG =编码器。DeepLearningConfig (“arm-compute”）;dlcfg。ArmArchitecture =v7的；dlcfg。ArmComputeVersion =“19.05”；cfg。DeepLearningConfig = dlcfg;
```
为树莓派配置代码生成硬件设置编码器。硬件对象，通过使用coder.hardware．设置硬件属性的代码生成配置对象编码器。硬件对象。
```
Hw = code .hardware(“树莓π”）;cfg。硬件= hw;
```
如果您正在生成一个可执行程序，请提供一个c++主程序。例如:
```
cfg。CustomSource =“main.cpp”；
```
要生成代码，使用codegen．属性指定代码生成配置对象配置选择。例如:
```
codegen配置cfgsqueezenet_predictarg游戏{ones(227,227,3，'single')}报告
```
请注意

您可以为代码生成指定半精度输入。但是，代码生成器类型将输入强制转换为单精度。深度学习工具箱对MATLAB中的所有计算使用单精度浮点算法。

当您没有硬件支持包时生成代码万博1manbetx

在没有目标硬件支持包的情况下，生成用于深度学习的代码:万博1manbetx

在Linux上生成代码^®主机。
为库创建一个配置对象。例如:
```
CFG = code .config(“自由”）;
```
不要为可执行程序使用配置对象。
配置代码生成以生成c++代码并只生成源代码。
```
cfg。GenCodeOnly = true;cfg。TargetLang =“c++”；
```
要使用ARM计算库指定代码生成，请创建一个编码器。手臂NEONConfig对象，使用编码器。DeepLearningConfig．设置ArmComputeVersion而且ArmArchitecture属性。设置DeepLearningConfig属性的代码生成配置对象编码器。手臂NEONConfig对象。
```
DLCFG =编码器。DeepLearningConfig (“arm-compute”）;dlcfg。ArmArchitecture =v7的；dlcfg。ArmComputeVersion =“19.05”；cfg。DeepLearningConfig = dlcfg;
```
若要配置特定于目标硬件的代码生成参数，请设置ProdHWDeviceType的属性HardwareImplementation对象。
- 对于ARMv7架构，请使用ARM兼容->ARM Cortex．
- 对于ARMv8架构，使用ARM兼容->ARM 64位(LP64)'．
例如:
```
cfg.HardwareImplementation.ProdHWDeviceType =ARM兼容->ARM 64位(LP64)'；
```
要生成代码，使用codegen．属性指定代码生成配置对象配置选择。例如:
```
codegen配置cfgsqueezenet_predictarg游戏{ones(227,227,3， 'single')}- darm_compute
```

示例请参见基于ARM目标的深度学习代码生成．

生成的代码

系列网络生成为包含层类数组的c++类。

class b_squeezenet_0 {public: int32_T batchSize;int32_T numLayers;real32_T * inputData;real32_T * outputData;MWCNNLayer *层[68];private: MWTargetNetworkImpl *targetImpl;公众:b_squeezenet_0 ();空白presetup ();空白postsetup ();无效的设置(); void predict(); void cleanup(); real32_T *getLayerOutput(int32_T layerIndex, int32_T portIndex); ~b_squeezenet_0(); };

的设置()方法设置句柄并为网络对象的每一层分配内存。的预测()方法调用对网络中的每一层的预测。假设您为一个入口函数生成代码，squeezenet_predict．在生成的“for you”文件中，squeezenet_predict.cpp为入口点函数squeeznet_predict ()的静态对象b_squeezenet_0类类型和调用设置而且预测在网络对象上。

静态b_squeezenet_0网;静态boolean_T net_not_empty;//函数定义// //持久化对象网络用于加载DAGNetwork对象。//第一次调用该函数时，将构造持久对象并建立持久对象。当该函数后续被调用时，相同的对象将被重用//以对输入调用predict，避免重构和重新加载// network对象。//参数:const real32_T in[154587] // real32_T out[1000] //返回类型:void // void squeezenet_predict(const real32_T in[154587]， real32_T out[1000]){//版权2018 The MathWorks, Inc. if (!net_not_empty) {DeepLearningNetwork_setup(&net);Net_not_empty = true;} DeepLearningNetwork_predict(&net, in, out);｝

对于有参数的层导出二进制文件，例如网络中的全连接层和卷积层。例如，文件名具有模式的文件cnn_squeezenet_ * _w而且cnn_squeezenet_ * _b对应于网络中卷积层的权值和偏置参数。

cnn_squeezenet_conv1_b cnn_squeezenet_conv1_w cnn_squeezenet_fire2-expand1x1_b cnn_squeezenet_fire2-expand3x3_b cnn_squeezenet_fire2-expand3x3_w cnn_squeezenet_fire2-squeeze1x1_b cnn_squeezenet_fire2-squeeze1x1_b

`int8`代码生成

看到为深度学习网络生成int8代码．

代码生成使用MATLAB编码器应用程序

完成选择源文件而且定义输入类型步骤。
去生成代码的一步。(跳过检查运行时问题因为使用ARM计算库生成代码不支持MEX生成。)万博1manbetx
集语言来c++．
指定目标ARM硬件。
如果你的目标硬件是树莓派，并且你安装了树莓派硬件的M万博1manbetxATLAB支持包：
- 为硬件板中,选择覆盆子π．
- 单击，进入树莓派设置更多的设置．然后,单击硬件．指定设备地址，用户名，密码,建立目录．
当你没有ARM目标的支持包时:万博1manbetx
- 确保构建类型是静态库或动态库并选择只生成代码复选框。
- 为硬件板中,选择无-选择下方的设备．
- 为设备供应商中,选择手臂兼容．
- 为设备类型：
  - 对于ARMv7架构，选择手臂皮层．
  - 对于ARMv8架构，选择ARM 64位(LP64)．
请注意

如果您在ARM目标上生成用于深度学习的代码，并且不使用硬件支持包，则只在Linux主机上生成代码。万博1manbetx
在深度学习窗格中,设置目标库来臂计算．指定ARM计算库版本而且ARM计算架构．
生成代码。

另请参阅

coder.loadDeepLearningNetwork|编码器。DeepLearningConfig|编码器。手臂NEONConfig