このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

cnncodegen

R2026a

ARM Mali GPU をターゲットとする深層学習ネットワークのコードの生成

構文

cnncodegen(net,'targetlib','arm-compute-mali')

cnncodegen(net,'targetlib','arm-compute-mali',targetparams)

説明

cnncodegen(net,'targetlib','arm-compute-mali') は、Mali GPU 用の ARM^® Compute Library を使用して、指定されたネットワーク オブジェクトの C++ コードを生成します。

GPU Coder™ 製品と GPU Coder Interface for Deep Learning が必要です。

cnncodegen(net,'targetlib','arm-compute-mali',targetparams) は、Mali GPU 用の ARM Compute Library と追加のコード生成オプションを使用して、指定されたネットワーク オブジェクトの C++ コードを生成します。

例

ARM プロセッサで実行する事前学習済みのネットワーク用の C++ コードを生成する

cnncodegen を使用して、ARM Mali グラフィックス プロセッサに展開する事前学習済みのネットワーク用の C++ コードを生成します。

関数 googlenet (Deep Learning Toolbox) を使用して事前学習済みの GoogLeNet モデルを取得します。この関数には Deep Learning Toolbox™ Model for GoogLeNet Network が必要です。このサポート パッケージをまだインストールしていない場合は、この関数によりダウンロード リンクが提供されます。あるいは、https://www.mathworks.com/matlabcentral/fileexchange/64456-deep-learning-toolbox-model-for-googlenet-networkを参照してください。

net = googlenet;

cnncodegen を使用して、'targetlib' を 'arm-compute-mali' に設定してコードを生成します。既定では、コード ジェネレーターは ARM のバージョン '19.05' をターゲットにします。別のバージョンの Compute Library をターゲットにするには、'ArmComputeVersion' パラメーターを使用します。

cnncodegen(net,'targetlib','arm-compute-mali'...
,'targetparams',struct('ArmComputeVersion','19.02'));

------------------------------------------------------------------------
Compilation suppressed: generating code only.
------------------------------------------------------------------------
### Codegen Successfully Generated for arm device

コード ジェネレーターは .cpp とヘッダー ファイルを '/pwd/codegen' フォルダーに生成します。DAG ネットワークは CnnMain と呼ばれる C++ クラスとして生成され、87 層のクラスの配列を含んでいます。コード ジェネレーターは、畳み込み層とバッチ正規化層のレイヤー フュージョン最適化で層の数を減らします。このクラスの setup() メソッドはハンドルを設定し、各層のオブジェクトにリソースを割り当てます。predict() メソッドはネットワークで 87 層それぞれの予測を呼び出します。cleanup() メソッドは、各層のオブジェクトに割り当てられたすべてのメモリとシステム リソースを解放します。ネットワークの畳み込み層に対するすべてのバイナリの重み (cnn_**_w) とバイアス ファイル (cnn_**_b) は codegen フォルダーに保存されます。

ライブラリをビルドするには、生成されたコードを ARM ターゲット プラットフォームに移動し、生成された makefile cnnbuild_rtw.mk を使用します。

入力引数

net — 事前学習済みの深層学習ネットワーク オブジェクト

文字ベクトル | string スカラー

事前学習済みの SeriesNetwork または DAGNetwork オブジェクト。

メモ

cnncodegen は dlnetwork オブジェクトはサポートしていません。

targetparams — ライブラリ固有のパラメーター

構造体

ARM Compute Library の固有のパラメーター。次の表に示すフィールドを含む 1 行 1 列の構造体として指定します。

フィールド	説明
ArmComputeVersion	ターゲット ハードウェアの ARM Compute Library のバージョン。'19.02' または '19.05' として指定します。既定値は '19.05' です。ArmComputeVersion を '19.05' よりも新しいバージョンに設定すると、ArmComputeVersion は '19.05' に設定されます。

バージョン履歴

R2017b で導入

R2021a: ターゲット ライブラリのサポートの変更

R2021b 以降では、関数 cnncodegen (GPU Coder) は ARM Mali GPU プロセッサのみを対象に、コンピューター ビジョンおよび機械学習用の ARM Compute Library を使用して C++ コードと makefile を生成し、それらのスタティック ライブラリをビルドします。

その他すべてのターゲットについては、codegen コマンドを使用します。関数 coder.loadDeepLearningNetwork (GPU Coder) を使用して深層学習モデルを読み込み、predict (Deep Learning Toolbox) を呼び出して応答を予測するエントリポイント関数を MATLAB^® で記述します。以下に例を示します。

function out = googlenet_predict(in) %#codegen

persistent mynet;

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

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

次の表に、cnncodegen の一般的な使用方法と、代わりに codegen を使用するようにコードを更新する方法を示します。

ターゲット ワークフロー	非推奨	推奨
NEON 命令をサポートする ARM CPU プロセッサ	'targetlib' パラメーターを 'arm-compute' に設定します。'targetparams' パラメーターを使用して、コードを生成する ARM Compute Library のバージョン、およびターゲット ハードウェアの ARM のアーキテクチャを指定します。 cnncodegen(net,'targetlib'... ,'arm-compute','targetparams' ... ,struct('ArmComputeVersion'... ,'19.02','ArmArchitecture'... ,'armv8')) サポートされる他の ARM Compute Library のバージョンは、'18.11'、'19.02'、'19.05'、'20.02.1' です。既定値は '20.02.1' です。ArmComputeVersion を '20.02.1' よりも新しいバージョンに設定すると、ArmComputeVersion は '20.02.1' に設定されます。 ARM のアーキテクチャは 'armv7 または 'armv8' として指定できます。ターゲット ハードウェアの ARM Compute Library のアーキテクチャと同じアーキテクチャを指定しなければなりません。	スタティック ライブラリ生成用の coder.config 構成オブジェクトを作成します。 cfg = coder.config('lib'); cfg.TargetLang = 'C++'; coder.ARMNEONConfig 深層学習構成オブジェクトを作成します。ターゲット ライブラリ固有の深層学習構成オブジェクトのプロパティを指定します。このオブジェクトを cfg 構成オブジェクトの DeepLearningConfig プロパティに割り当てます。 dlcfg = coder.DeepLearningConfig ... ('arm-compute'); dlcfg.ArmArchitecture = 'armv8'; dlcfg.ArmComputeVersion = '19.02'; cfg.DeepLearningConfig = dlcfg; 関数 codegen の -config オプションを使用して cfg 構成オブジェクトを指定します。関数 codegen は、MATLAB 関数入力のサイズ、クラス、実数/複素数を決定しなければなりません。-args オプションを使用して、エントリポイント関数への入力のサイズを指定します。 arg = {ones(224,224,3,'single')}; codegen -args arg ... -config cfg googlenet_predict 詳細については、ARM Compute Library を使用した、深層学習ネットワークのためのコード生成を参照してください。
CUDA® Deep Neural Network library (cuDNN) を使用する NVIDIA® GPU	'targetlib' パラメーターを 'cudnn' に設定します。'targetparams' パラメーターを使用して cuDNN ライブラリ固有のプロパティを指定します。 cnncodegen(net,'targetlib'... ,'cudnn','ComputeCapability'... ,'7.0','targetparams' ... ,struct('AutoTuning',true ... ,'DataType','INT8'... ,'CalibrationResultFile' ... 'myInt8Cal.mat')) 自動調整機能により、cuDNN ライブラリで最速の畳み込みアルゴリズムを検出できます。 'DataType' パラメーターは、サポートされる層における推論の計算の精度を指定します。32 ビットの浮動小数点数で推論を実行する場合は、'FP32' を使用します。	スタティック ライブラリ生成用の coder.gpuConfig 構成オブジェクトを作成します。 cfg = coder.gpuConfig('lib'); cfg.TargetLang = 'C++'; コード生成の最低 Compute Capability を設定するには、GPU コード構成オブジェクトの ComputeCapability プロパティを使用します。 cfg.GpuConfig.ComputeCapability = '7.0'; 深層学習構成オブジェクトを作成します。ターゲット ライブラリ固有の深層学習構成オブジェクトのプロパティを指定します。このオブジェクトを cfg 構成オブジェクトの DeepLearningConfig プロパティに割り当てます。 dlcfg = coder.DeepLearningConfig('cudnn'); dlcfg.AutoTuning = true; dlcfg.DataType = 'int8'; dlcfg.CalibrationResultFile = 'myInt8Cal.mat'; cfg.DeepLearningConfig = dlcfg; 関数 codegen の -config オプションを使用して cfg 構成オブジェクトを指定します。関数 codegen は、MATLAB 関数入力のサイズ、クラス、実数/複素数を決定しなければなりません。-args オプションを使用して、エントリポイント関数への入力のサイズを指定します。 arg = {ones(224,224,3,'single')}; codegen -args arg ... -config cfg googlenet_predict 詳細については、cuDNN を使用した深層学習ネットワークのコード生成 (GPU Coder)を参照してください。
Intel® CPU プロセッサ	Intel CPU 用の Intel Math Kernel Library for Deep Neural Networks (MKL-DNN) を使用するには、'targetlib' パラメーターを 'mkldnn' に設定します。 cnncodegen(net,'targetlib'... ,'mkldnn');	スタティック ライブラリ生成用の coder.config 構成オブジェクトを作成します。 cfg = coder.config('lib'); cfg.TargetLang = 'C++'; coder.MklDNNConfig 深層学習構成オブジェクトを作成します。このオブジェクトを cfg 構成オブジェクトの DeepLearningConfig プロパティに割り当てます。 dlcfg = coder.DeepLearningConfig... ('mkldnn'); cfg.DeepLearningConfig = dlcfg; 関数 codegen の -config オプションを使用して cfg 構成オブジェクトを指定します。関数 codegen は、MATLAB 関数入力のサイズ、クラス、実数/複素数を決定しなければなりません。-args オプションを使用して、エントリポイント関数への入力のサイズを指定します。 arg = {ones(224,224,3,'single')}; codegen -args arg ... -config cfg googlenet_predict 詳細については、MKL-DNN を使用した、深層学習ネットワークのためのコード生成を参照してください。
高性能な深層学習推論オプティマイザーおよびランタイム ライブラリである NVIDIA TensorRT™ を使用する NVIDIA GPU	'targetlib' パラメーターを 'tensorrt' に設定します。'targetparams' パラメーターを使用して TensorRT ライブラリ固有のプロパティを指定します。 cnncodegen(net,'targetlib'... ,'tensorrt','ComputeCapability'... ,'7.0','targetparams' ... ,struct('DataType','INT8' ... 'DataPath','image_dataset'... ,'NumCalibrationBatches',50))	スタティック ライブラリ生成用の coder.gpuConfig 構成オブジェクトを作成します。 cfg = coder.gpuConfig('lib'); cfg.TargetLang = 'C++'; コード生成の最低 Compute Capability を設定するには、GPU コード構成オブジェクトの ComputeCapability プロパティを使用します。 cfg.GpuConfig.ComputeCapability = '7.0'; coder.TensorRTConfig (GPU Coder) 深層学習構成オブジェクトを作成します。ターゲット ライブラリ固有の深層学習構成オブジェクトのプロパティを指定します。このオブジェクトを cfg 構成オブジェクトの DeepLearningConfig プロパティに割り当てます。 dlcfg = coder.DeepLearningConfig... ('cudnn'); dlcfg.DataType = 'int8'; dlcfg.DataPath = 'image_dataset'; dlcfg.NumCalibrationBatches = 50; cfg.DeepLearningConfig = dlcfg; 関数 codegen の -config オプションを使用して cfg 構成オブジェクトを指定します。関数 codegen は、MATLAB 関数入力のサイズ、クラス、実数/複素数を決定しなければなりません。-args オプションを使用して、エントリポイント関数への入力のサイズを指定します。 arg = {ones(224,224,3,'single')}; codegen -args arg ... -config cfg googlenet_predict 詳細については、NVIDIA TensorRT ライブラリを使用した深層学習予測 (GPU Coder)を参照してください。
一般オプション	makefile を生成したりビルドしたりせずにコードを生成します。以下に例を示します。 cnncodegen(net,'targetlib' ... ,'mkldnn','codegenonly',1);	make コマンドを呼び出したりオブジェクト コードをビルドしたりせずにソース コードを生成するには、coder.CodeConfig オブジェクトまたは coder.GPUCodeConfig オブジェクトの GenCodeOnly プロパティを使用します。以下に例を示します。 cfg = coder.codeConfig('lib'); cfg.GenCodeOnly = true;
	コンパイルする NVIDIA GPU の Compute Capability を指定します。引数は major#.minor# の形式を取ります。 cnncodegen(net,'targetlib'... ,'cudnn','ComputeCapability','7.0');	コード生成の最低 Compute Capability を設定するには、GPU コード構成オブジェクトの ComputeCapability プロパティを使用します。 cfg = coder.gpuConfig('lib'); cfg.GpuConfig.ComputeCapability = '7.0';

参考

関数

• codegen | coder.loadDeepLearningNetwork

トピック

• MKL-DNN を使用した、深層学習ネットワークのためのコード生成
• codegen を使用した ARM Compute による深層学習の予測
• YOLO v2 を使用したオブジェクト検出のコードの生成 (GPU Coder)
• NVIDIA TensorRT ライブラリを使用した深層学習予測 (GPU Coder)