代码生成支持的网络和层
MATLAB® Coder™ 支持 dlnetwork (Deep Learning Toolbox)、序列和有向无环图 (DAG) 网络的代码生成。您可以为任何使用受支持的深度学习网络、层和类的经过训练的神经网络生成代码。
支持的预训练网络
代码生成支持 Deep Learning Toolbox™ 中提供的以下预训练网络。您可以使用 imagePretrainedNetwork (Deep Learning Toolbox) 函数将这些预训练神经网络作为 dlnetwork (Deep Learning Toolbox) 对象加载,以便生成代码。请注意,代码生成不支持将 imagePretrainedNetwork 函数的名称-值参量 Weights 设置为 "none"。例如,使用以下代码加载预训练的 GoogLeNet 神经网络。
net = imagePretrainedNetwork("googlenet")您可以使用 analyzeNetworkForCodegen 来查看网络是否兼容特定深度学习库的代码生成。例如:
result = analyzeNetworkForCodegen(imagePretrainedNetwork("googlenet"),TargetLibrary='none')
imagePretrainedNetwork 模型名称参量 | 泛型 C/C++ | Intel® MKL-DNN 和 ARM® Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | |
| ![]() | |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
|
注意
| |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
支持的层
对于表中指定的目标深度学习库,支持以下层的代码生成。
注意
在下列各表中,信息图标
表示网络、层或类具有有限的代码生成功能。您可能会看到错误和意外行为。有关详细信息,请参阅该网络、层或类页上的“扩展功能”部分。
输入层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
卷积和全连接层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | |
| ![]() | ![]() |
| ![]() | ![]() |
| 注意 当组的数量等于滤波器通道的数量时,可以为逐通道卷积生成泛型 C/C++ 代码。 | ![]() |
| ![]() | |
| ![]() |
序列层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
| ![]() | ![]() |
激活层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
preluLayer (Deep Learning Toolbox) | ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
归一化层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
实用工具层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | |
| ![]() | |
| ![]() | |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() |
调整层大小
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
池化和去池化层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
adaptiveAveragePooling2dLayer (Deep Learning Toolbox) | ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
|
注意
|
组合层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
变换器层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | |
| ![]() | |
| ![]() | |
| ![]() | |
| ![]() | |
| ![]() |
计算机视觉和图像处理层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
自定义层
自定义 Keras 层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
自定义 ONNX 层
| 层 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
支持的类
类 | 泛型 C/C++ | Intel MKL-DNN 和 ARM Compute Library |
|---|---|---|
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() | ![]() |
| ![]() |
另请参阅
imagePretrainedNetwork (Deep Learning Toolbox) | analyzeNetworkForCodegen
主题
- 预训练的深度神经网络 (Deep Learning Toolbox)
- 深度学习层列表 (Deep Learning Toolbox)
- 了解卷积神经网络 (Deep Learning Toolbox)
- 使用 MATLAB Coder 生成深度学习代码的工作流

