coder.DeepLearningConfig

创建一个入口函数 resnet_predict，该入口函数使用 imagePretrainedNetwork 函数加载包含 ResNet-50 网络的 dlnetwork 对象。有关详细信息，请参阅 Code Generation for dlarray

function out = resnet_predict(in)

dlIn = dlarray(in, 'SSCB');
persistent dlnet;
if isempty(dlnet)
    dlnet = imagePretrainedNetwork('resnet50');
end

dlOut = predict(dlnet, dlIn);
out = extractdata(dlOut);

该持久性对象可避免在后续调用函数以调用输入的 predict 方法时重新构造和重新加载网络对象。

预训练的 ResNet-50 网络的输入层接受大小为 224×224×3 的图像。要从图形文件中读取一个输入图像并将其大小调整为 224×224，请使用以下代码行：

in = imread('peppers.png');
in = imresize(in,[224,224]);

为 MEX 代码生成创建一个 coder.config 配置对象，并将目标语言设置为 C++。在配置对象上，将 DeepLearningConfig 的 targetlib 设置为 'none'。使用 codegen 函数的 -config 选项来传递此代码配置对象。codegen 函数必须确定 MATLAB^® 函数输入的大小、类和复/实性。使用 -args 选项指定入口函数的输入大小。

cfg = coder.config('mex');
cfg.TargetLang = 'C++';
cfg.DeepLearningConfig = coder.DeepLearningConfig(TargetLibrary = 'none'); 
codegen -args {ones(224,224,3,'single')} -config cfg resnet_predict;

codegen 命令将所有生成的文件放在 codegen 文件夹中。该文件夹包含入口函数 resnet_predict.cpp 的 C++ 代码、包含神经网络的 C++ 类定义的头文件和源文件、权重以及偏置文件。