为深度学习网络生成泛型 C/C++ 代码

使用 MATLAB^® Coder™，您可以根据已经过训练的神经网络生成用于预测的泛型 C 或 C++ 代码。生成的 C/C++ 代码不依赖任何第三方库。生成的代码使用在输入 SeriesNetwork (Deep Learning Toolbox)、DAGNetwork (Deep Learning Toolbox) 或 dlnetwork (Deep Learning Toolbox) 网络对象中指定的架构、层和参数来实现神经网络。请参阅代码生成支持的网络和层。

使用以下方法之一生成代码：

从 MATLAB 代码生成 C/C++ 代码的标准 codegen 命令。
MATLAB Coder。

要求

在 Windows^® 上，使用 codegen 函数为深度学习网络生成代码需要 Microsoft^® Visual Studio^® 或 MinGW^® 编译器。
MATLAB Coder Interface for Deep Learning。要安装此支持包，请从 MATLAB 的附加功能菜单中选择它。
Deep Learning Toolbox™.

使用 `codegen` 生成代码

在 MATLAB 中编写入口函数，该入口函数：

使用 coder.loadDeepLearningNetwork 函数来构造和设置网络对象。有关详细信息，请参阅加载预训练网络以用于代码生成。
对入口函数输入调用网络的 predict (Deep Learning Toolbox) 方法。
在 predict 方法中指定 MiniBatchSize，以管理对多个输入图像或观测值进行预测时的内存使用量。

例如：

function out = my_predict(in) %#codegen

% A persistent object mynet is used to load the series network object.
% At the first call to this function, the persistent object is constructed and
% setup. When the function is called subsequent times, the same object is reused 
% to call predict on inputs, thus avoiding reconstructing and reloading the
% network object.

persistent mynet;

if isempty(mynet)
    mynet = coder.loadDeepLearningNetwork('myNetwork.mat');
end

% pass in input   
out = predict(mynet,in,'MiniBatchSize',2);

创建深度学习配置对象 dlconfig，将其配置为通过使用 coder.DeepLearningConfig 函数来生成泛型 C/C++ 代码。
```
dlconfig = coder.DeepLearningConfig(TargetLibrary='none');
```
为 MEX、可执行文件或者静态或动态链接库创建代码生成配置对象。默认情况下，代码生成器生成泛型 C 代码。要生成泛型 C++ 代码，请在代码生成配置对象中，将 TargetLang 参数设置为 'C++'。将 DeepLearningConfig 参数设置为之前创建的对象 dlconfig。
```
cfg = coder.config('lib');
cfg.TargetLang = 'C++';
cfg.DeepLearningConfig = dlconfig;
```
运行 codegen 命令。使用 -config 选项指定配置对象。使用 -args 选项指定输入类型。
```
codegen -config cfg my_predict -args {myInput} -report
```
注意
您可以为代码生成指定半精度输入。但是，代码生成器类型会将输入转换为单精度。Deep Learning Toolbox 对 MATLAB 中的所有计算使用单精度浮点算术。