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。

MATLAB Coder を使用した深層学習コード生成のワークフロー

MATLAB^® Coder™ を使用すると、Intel^® プロセッサまたは ARM^® プロセッサを使用する組み込みプラットフォームをターゲットにして、事前学習済みの畳み込みニューラル ネットワーク (CNN) から予測用のコードを生成できます。生成されたコードは、高パフォーマンスを適用するために Intel MKL-DNN または ARM Compute Library を呼び出します。

1. Deep Learning Toolbox™ を使用して、学習済みのネットワークを取得します。ネットワークを構成して学習させるか、事前学習済みのネットワークを使用します。詳細については、以下を参照してください。

   • MATLAB による深層学習 (Deep Learning Toolbox)。

   • 事前学習済みの深層ニューラル ネットワーク (Deep Learning Toolbox)。

   ネットワークはコード生成でサポートされていなければなりません。C++ コード生成でサポートされているネットワークとレイヤーを参照してください。

2. ネットワーク オブジェクトを学習済みのネットワークから読み込みます。

   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を参照してください。

3. codegen、MATLAB Coder アプリ、または cnncodegen を使用して、学習済みのネットワーク用に C++ コードを生成します。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および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。

関連するトピック

• MATLAB による深層学習 (Deep Learning Toolbox)
• 畳み込みニューラル ネットワークについて (Deep Learning Toolbox)
• MATLAB Coder を使用した深層学習の前提条件
• 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
• Intel MKL-DNN を使用した深層学習の予測
• 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
• ARM ターゲットでの深層学習用のコード生成
• Raspberry Pi での深層学習用のコード生成
• cnncodegen を使用した ARM Compute による深層学習の予測
• GPU Coder を使用した深層学習 (GPU Coder)