Main Content

コード生成のための事前学習済みネットワークの読み込み

事前学習済みのニューラル ネットワークのためのコードを生成できます。コード ジェネレーターにネットワークを提供するには、SeriesNetwork (Deep Learning Toolbox)、DAGNetwork (Deep Learning Toolbox)、yolov2ObjectDetector (Computer Vision Toolbox)、yolov3ObjectDetector (Computer Vision Toolbox)、yolov4ObjectDetector (Computer Vision Toolbox)、ssdObjectDetector (Computer Vision Toolbox)、または dlnetwork (Deep Learning Toolbox) オブジェクトを学習済みネットワークから読み込みます。

coder.loadDeepLearningNetwork を使用したネットワークの読み込み

coder.loadDeepLearningNetwork を使用して、コード生成でサポートされているネットワークからネットワーク オブジェクトを読み込むことができます。ネットワークを MAT ファイルから指定できます。MAT ファイルは読み込まれるネットワークのみを含んでいなければなりません。

たとえば、関数 trainNetwork (Deep Learning Toolbox) を使用して myNet という学習済みのネットワーク オブジェクトを作成するとします。次に save を入力してワークスペースを保存します。これによって、そのネットワーク オブジェクトを含む matlab.mat というファイルが作成されます。ネットワーク オブジェクト myNet を読み込むには、次のように入力します。

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

事前学習済みの SeriesNetwork、DAGNetwork、dlnetwork、yolov2ObjectDetector、yolov3ObjectDetector、yolov4ObjectDetector、または ssdObjectDetector オブジェクトを返す関数の名前を提供することで、ネットワークの指定もできます。以下に例を示します。

たとえば、次のように入力してネットワーク オブジェクトを読み込みます。

net = coder.loadDeepLearningNetwork('googlenet');

前述のリストにある Deep Learning Toolbox™ 関数には、関数のサポート パッケージをインストールする必要があります。事前学習済みの深層ニューラル ネットワーク (Deep Learning Toolbox)を参照してください。

コード生成のためのネットワーク オブジェクトの指定

codegen またはアプリを使用してコードを生成する場合、coder.loadDeepLearningNetwork を使用してエントリポイント関数の内部にネットワーク オブジェクトを読み込みます。次に例を示します。

function out = myNet_predict(in) %#codegen

persistent mynet;

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

alexnet、inceptionv3、googlenet、および resnet といったサポート パッケージ関数として使用できる事前学習済みネットワークに対して、サポート パッケージ関数を直接指定できます (たとえば「mynet = googlenet」と記述する)。

次に、エントリポイント関数のコードを生成します。次に例を示します。

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

コード生成のための dlnetwork オブジェクトの指定

mynet.mat MAT ファイルに事前学習済みの dlnetwork ネットワーク オブジェクトがあるとします。このネットワークの応答を予測するには、次のコードに示すようなエントリポイント関数を MATLAB® で作成します。

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

この例では、myDLNet_predict の入出力のデータ型は簡略化されており、dlarray オブジェクトは関数内で作成されます。dlarray オブジェクトの extractdata (Deep Learning Toolbox) メソッドは、dlarray dlA 内のデータを myDLNet_predict の出力として返します。出力 a のデータ型は dlA の基となるデータ型と同じです。このエントリポイント設計には次の利点があります。

  • スタティック ライブラリ、ダイナミック ライブラリ、実行可能ファイルなどのスタンドアロン コード生成ワークフローとの統合が容易になります。

  • 関数 extractdata からの出力のデータ形式は、MATLAB 環境と生成コードの両方で同じ順序 ('SCBTU') になります。

  • MEX ワークフローのパフォーマンスが向上します。

  • Simulink® は dlarray オブジェクトをネイティブにサポートしていないため、MATLAB Function ブロックを使用して Simulink ワークフローを簡略化します。

次に、エントリポイント関数のコードを生成します。次に例を示します。

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

制限

  • coder.loadDeepLearningNetwork は複数のネットワークをもつ MAT ファイルの読み込みはサポートしていません。

  • MAT ファイルは読み込まれるネットワークのみを含んでいなければなりません。

  • コード ジェネレーターでは、文字はロケール設定で指定された 8 ビットの ASCII コードセットで表されます。したがって、ファイル、フォルダー、またはネットワーク名に ASCII 以外の文字を使用すると、エラーが発生することがあります。詳細については、コード生成での文字のエンコードを参照してください。

参考

関数

オブジェクト

関連するトピック