使用 coder.loadDeepLearningNetwork 加载网络

您可以使用 coder.loadDeepLearningNetwork 从任何支持代码生成的网络加载网络对象。您可以从 MAT 文件中指定网络。MAT 文件只能包含要加载的网络。

例如，假设您使用 trainNetwork (Deep Learning Toolbox) 函数创建了一个名为 myNet 的经过训练的网络对象。然后，您可以通过输入 save 来保存工作区。这将创建一个名为 matlab.mat 的文件，其中包含网络对象。要加载网络对象 myNet，请输入：

net = coder.loadDeepLearningNetwork('matlab.mat');

您还可以通过以下方式来指定网络：提供不接受输入参数并返回预训练的 SeriesNetwork、DAGNetwork、yolov2ObjectDetector 或 ssdObjectDetector 对象的函数的名称，例如：

例如，通过输入以下命令加载网络对象：

net = coder.loadDeepLearningNetwork('googlenet');

上述列表中的 Deep Learning Toolbox™ 函数要求您安装适用于这些函数的支持包。请参阅预训练的深度神经网络 (Deep Learning Toolbox)。

为代码生成指定网络对象

如果您使用 codegen 或 App 生成代码，请使用 coder.loadDeepLearningNetwork 将网络对象加载到您的入口函数内。例如：

function out = myNet_predict(in) %#codegen

persistent mynet;

if isempty(mynet)
    mynet = coder.loadDeepLearningNetwork('matlab.mat');
end
out = predict(mynet,in);

对于可用作支持包函数（如 alexnet、inceptionv3、googlenet 和 resnet）的预训练网络，您可以直接指定支持包函数，例如，通过编写 mynet = googlenet。

接下来，为入口函数生成代码。例如：

cfg = coder.config('mex');
cfg.TargetLang = 'C++';
cfg.DeepLearningConfig = coder.DeepLearningConfig('mkldnn'); 
codegen -args {ones(224,224,3,'single')} -config cfg myNet_predict

为代码生成指定 dlnetwork 对象

假设在 MAT 文件 mynet.mat 中有一个预训练的 dlnetwork 网络对象。要预测此网络的响应，请在 MATLAB^® 中创建一个入口函数，如以下代码所示。

function a = myDLNet_predict(in)
dlIn = dlarray(in, 'SSC');

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

dlA = predict(dlnet, dlIn);

a = extractdata(dlA);

end

在此示例中，myDLNet_predict 的输入和输出属于更简单的数据类型，并且 dlarray 对象是在该函数中创建的。dlarray 对象的 extractdata (Deep Learning Toolbox) 方法在 dlarray dlA 中返回数据作为 myDLNet_predict 的输出。输出 a 与 dlA 中的基础数据类型具有相同的数据类型。这种入口函数设计具有以下优点：

接下来，为入口函数生成代码。例如：

cfg = coder.config('lib');
cfg.TargetLang = 'C++';
cfg.DeepLearningConfig = coder.DeepLearningConfig('mkldnn'); 
codegen -args {ones(224,224,3,'single')} -config cfg myDLNet_predict