最新のリリースでは、このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。

coder.loadDeepLearningNetwork

深層学習ネットワークモデルの読み込み

構文

net = coder.loadDeepLearningNetwork(filename)

net = coder.loadDeepLearningNetwork(functionname)

net = coder.loadDeepLearningNetwork(___,network_name)

説明

net = coder.loadDeepLearningNetwork(filename) は、filename MAT ファイルに保存された事前学習済みの深層学習 SeriesNetwork または DAGNetwork オブジェクトを読み込みます。filename は、1 つの SeriesNetwork または DAGNetwork オブジェクトが含まれる MATLAB^® パス上に存在する有効な MAT ファイルでなければなりません。

例

net = coder.loadDeepLearningNetwork(functionname) は事前学習済みの深層学習 SeriesNetwork または DAGNetwork オブジェクトを返す関数を呼び出します。functionname は、SeriesNetwork または DAGNetwork オブジェクトを返す MATLAB パス上に存在する関数の名前でなければなりません。

例

net = coder.loadDeepLearningNetwork(___,network_name) は、ネットワークから生成される C++ クラスに名前を付けるオプションをもつ net = coder.loadDeepLearningNetwork(filename) と同じです。network_name は、MAT ファイルに保存されているか、関数によって指定されているネットワークオブジェクトの記述名です。ネットワーク名は C++ で有効な識別子である char 型でなければなりません。

ネットワークオブジェクトの推定からコードを生成するときにこの関数を使用します。この関数はこのネットワークから C++ クラスを生成します。クラス名は MAT ファイル名または関数名から派生します。

例

すべて折りたたむ

`VGG-16` ネットワークが含まれる MAT ファイルから C++ コードを生成する

関数 coder.loadDeepLearningNetwork を使用して VGG-16 系列ネットワークを読み込み、このネットワーク用の C++ コードを生成します。

事前学習済みの VGG-16 ネットワークが含まれる MAT ファイルを取得します。

url = 'https://www.mathworks.com/supportfiles/gpucoder/cnn_models/VGG/vgg16.mat';
websave('vgg16.mat',url);

関数 coder.loadDeepLearningNetwork を使用して vgg16.mat を永続的な mynet SeriesNetwork オブジェクトに読み込むエントリポイント関数 myVGG16 を作成します。

function out = myVGG16(in)

persistent mynet;
if isempty(mynet)
    mynet = coder.loadDeepLearningNetwork('vgg16.mat', 'myVGGnet');
end

out = predict(mynet,in);

永続的なオブジェクトは、入力で predict メソッドを呼び出す関数のその後の呼び出し中にネットワークオブジェクトの再構成と再読み込みを回避します。

事前学習済みの VGG-16 ネットワークの入力層は、サイズ 224x224x3 のイメージを受け入れます。以下のコード行を使用してグラフィックスファイルから入力イメージを読み取り、224x224 にサイズ変更します。

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

MEX コード生成用の coder.config 構成オブジェクトを作成し、ターゲット言語を C++ に設定します。構成オブジェクトで、targetlib を使用して DeepLearningConfig を 'mkldnn' として設定します。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。-config オプションを使用して、コード生成構成オブジェクトを渡します。

cfg = coder.config('mex');
cfg.TargetLang = 'C++';
cfg.DeepLearningConfig = coder.DeepLearningConfig('mkldnn'); 
codegen -args {ones(224,224,3,'uint8')} -config cfg myVGG16 -report;

codegen コマンドは生成されたすべてのファイルを codegen フォルダーに入れます。フォルダーには、エントリポイント関数 myVGG16.cpp の C++ コード、ヘッダー、畳み込みニューラルネットワーク (CNN) の C++ クラス定義が含まれるソースファイル、重み、バイアスファイルが含まれます。

入力イメージに対して VGG-16 予測を呼び出して、予測された上位 5 つのラベルを表示します。

predict_scores = myVGG16_mex(in);
[scores,indx] = sort(predict_scores, 'descend');
net = coder.loadDeepLearningNetwork('vgg16.mat');
classNames = net.Layers(end).Classes;
disp(classNames(indx(1:5)));

     bell pepper 
     cucumber 
     grocery store 
     acorn squash 
     butternut squash

MATLAB 関数から読み込まれる `SeriesNetwork` 推定のコード生成

関数 coder.loadDeepLearningNetwork を使用して resnet50 系列ネットワークを読み込み、このネットワーク用の CUDA^® コードを生成します。

関数 coder.loadDeepLearningNetwork を使用して Deep Learning Toolbox™ ツールボックス関数 resnet50 を呼び出すエントリポイント関数 resnetFun を作成します。この関数は事前学習済みの ResNet-50 ネットワークを返します。

function out = resnetFun(in)

persistent mynet;
if isempty(mynet)
    mynet = coder.loadDeepLearningNetwork('resnet50', 'myresnet');
end

out = predict(mynet,in);

事前学習済みの ResNet-50 ネットワークの入力層は、サイズ 224x224x3 のイメージを受け入れます。グラフィックスファイルから入力イメージを読み取り、224x224 にサイズ変更するには、次のコード行を使用します。

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

MEX コード生成用の coder.gpuConfig 構成オブジェクトを作成し、ターゲット言語を C++ に設定します。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、-config オプションを使用してコード構成オブジェクトを渡します。

cfg = coder.gpuConfig('mex');
cfg.TargetLang = 'C++';
cfg.DeepLearningConfig = coder.DeepLearningConfig('cudnn'); 
codegen -args {ones(224,224,3,'uint8')} -config cfg resnetFun -report;

codegen コマンドは生成されたすべてのファイルを codegen フォルダーに入れます。これには、エントリポイント関数 resnetFun.cu の CUDA コード、ヘッダーおよび畳み込みニューラルネットワーク (CNN) の C++ クラス定義が含まれるソースファイル、重み、バイアスファイルが含まれます。