analyzeNetworkForCodegen

分析深度学习网络以进行代码生成

自 R2022b 起

全页折叠

    语法

    result = analyzeNetworkForCodegen(net)
    ___ = analyzeNetworkForCodegen(___,Name,Value)

    说明

    result = analyzeNetworkForCodegen(net) 分析深度学习网络 net 以进行代码生成，并报告网络和层的兼容性问题。网络必须为 dlnetwork、SeriesNetwork 或 DAGNetwork 对象。默认情况下，该函数根据一组默认 CPU 和 GPU 深度学习库目标进行验证。

    ___ = analyzeNetworkForCodegen(___,Name,Value) 通过使用由一个或多个 Name,Value 对组参量指定的选项，分析深度学习网络 net 以进行代码生成。

    示例

    示例

    全部折叠

    此示例使用:

    打开实时脚本

    此示例说明如何使用 analyzeNetworkForCodegen 函数检查 MobileNet-v2 网络的代码生成兼容性。

    您可以使用 analyzeNetworkForCodegen 函数来确定以各种 CPU 和 GPU 深度学习库为目标时的网络和层兼容性问题。

    下载 MobileNet-v2 支持包

    此示例使用通过 Deep Learning Toolbox™ Model for MobileNet-v2 Network 支持包提供的 MobileNet-v2 的预训练版本。

    MobileNet-v2 是深度为 53 层的卷积神经网络。该网络的预训练版本是基于 ImageNet 数据库中的超过一百万个图像进行训练的。预训练网络的图像输入大小为 224×224，它可以将图像分类至 1000 个目标类别（例如键盘、鼠标、铅笔和多种动物）。

    mobilenetv2 = imagePretrainedNetwork('mobilenetv2')
    mobilenetv2 = 
  dlnetwork with properties:

         Layers: [153×1 nnet.cnn.layer.Layer]
    Connections: [162×2 table]
     Learnables: [210×3 table]
          State: [104×3 table]
     InputNames: {'input_1'}
    OutputNames: {'Logits_softmax'}
    Initialized: 1

  View summary with summary.

    如果未安装 Deep Learning Toolbox Model for MobileNet-v2 Network 支持包，该函数将在附加功能资源管理器中提供所需支持包的链接。要安装支持包，请点击链接，然后点击安装。

    分析用于代码生成的网络

    运行 analyzeNetworkForCodegen 函数以分析 mobilenetv2，并指定要分析的目标库。analyzeNetworkForCodegen 函数需要 MATLAB® Coder™ Interface for Deep Learning 和 GPU Coder™ Interface for Deep Learning 支持包。要安装所需的支持包，请使用附加功能资源管理器。

    targetLibraries = ["none","cudnn","tensorrt","mkldnn","arm-compute",...
    "arm-compute-mali","cmsis-nn"];
S = analyzeNetworkForCodegen(mobilenetv2,TargetLibrary  = targetLibraries);
                            Supported                                                                                   LayerDiagnostics                                                                                
                        _________    _______________________________________________________________________________________________________________________________________________________________________________

    none                  "Yes"      ""                                                                                                                                                                             
    cudnn                 "Yes"      ""                                                                                                                                                                             
    tensorrt              "Yes"      ""                                                                                                                                                                             
    mkldnn                "Yes"      ""                                                                                                                                                                             
    arm-compute           "Yes"      ""                                                                                                                                                                             
    arm-compute-mali      "Yes"      ""                                                                                                                                                                             
    cmsis-nn              "No"       "Found 6 unsupported layer types. View incompatible layer types."

    要访问 CMSIS-NN 目标的分析结果，请使用以下命令。

    disp(S(7))
                 TargetLibrary: 'cmsis-nn'
                 Supported: 0
        NetworkDiagnostics: [0×0 table]
          LayerDiagnostics: [150×3 table]
    IncompatibleLayerTypes: [6×1 string]

    显示 CMSIS-NN 代码生成不支持的层类型。

    S(7).IncompatibleLayerTypes
    ans = 6×1 string
    "AdditionLayer"
    "BatchNormalizationLayer"
    "ClippedReLULayer"
    "Convolution2DLayer"
    "GlobalAveragePooling2DLayer"
    "GroupedConvolution2DLayer"

    输入参数

    全部折叠

    要针对代码生成进行分析的网络。网络可以是 dlnetwork、SeriesNetwork 或 DAGNetwork 对象，用于自定义训练循环或自定义剪枝循环。

    名称-值参数

    全部折叠

    将可选的参量对组指定为 Name1=Value1,...,NameN=ValueN，其中 Name 是参量名称，Value 是对应的值。名称-值参量必须出现在其他参量后，但参量对组的顺序无关紧要。

    示例: resultStruct = analyzeNetworkForCodegen(imagePretrainedNetwork("mobilenetv2"), TargetLibrary = ["none", "mkldnn"]);

    深度学习代码生成的目标库，指定为下表中的值之一。

    值描述
    "none"

    用于生成不使用任何第三方库的代码。

    "arm-compute"

    用于生成使用 ARM® Compute Library 的代码。

    "mkldnn"

    用于生成使用 Intel® Math Kernel Library for Deep Neural Networks (Intel MKL-DNN) 的代码。

    "cmsis-nn"

    通用微控制器软件接口标准 - 神经网络 (CMSIS-NN) 库。

    需要 MATLAB® Coder™ Interface for Deep Learning。

    "cudnn"

    用于生成使用 CUDA® 深度神经网络库 (cuDNN) 的代码。

    此选项需要 GPU Coder™。

    "tensorrt"

    用于生成使用 NVIDIA® TensorRT（高性能深度学习推断优化器和运行时库）的代码。

    此选项需要 GPU Coder。

    用于隐藏报告显示的标量 boolean 值。默认情况下，该函数以详尽模式显示分析结果。

    输出参量

    全部折叠

    检查深度学习网络的代码生成兼容性的结果，以 1×N 结构体形式返回，其中 N 是要检查的目标库的数量。

    版本历史记录

    在 R2022b 中推出

    另请参阅

    函数