coder.getDeepLearningLayers

特定の深層学習ライブラリのコード生成でサポートされる層のリストの取得

ページ内をすべて折りたたむ

関数 coder.getDeepLearningLayers は推奨されません。代わりに analyzeNetworkForCodegen を使用してください。詳細については、バージョン履歴を参照してください。

構文

coder.getDeepLearningLayers
coder.getDeepLearningLayers(TargetLibrary = libraryname)

説明

coder.getDeepLearningLayers は、サードパーティのライブラリを使用しないコード生成でサポートされる層を返します。

coder.getDeepLearningLayers(TargetLibrary = libraryname) は、特定の深層学習ライブラリのコード生成でサポートされる層を返します。

メモ

coder.getDeepLearningLayers を使用するには、libraryname に対応するサポート パッケージをインストールしなければなりません。

  • 'none'、'arm-compute'、'cmsis-nn'、および 'mkldnn' の場合、MATLAB® Coder™ Interface for Deep Learning をインストールします。

  • 'cudnn'、'tensorrt'、または 'arm-compute-mali' の場合、GPU Coder™ Interface for Deep Learning をインストールします。

メモ

関数 coder.getDeepLearningLayers は、関連付けられたサポート パッケージがインストールされていない場合、特定のカスタム層をリストしません。たとえば、Deep Learning Toolbox™ Converter for TensorFlow™ Models サポート パッケージがインストールされていない場合、keras 層はリストされません。

例

例

すべて折りたたむ

Intel® Math Kernel Library for Deep Neural Networks のコード生成でサポートされる層のリストを取得します。

coder.getDeepLearningLayers(TargetLibrary = 'mkldnn')

ans =

  59×1 cell array

    {'AdditionLayer'                               }
    {'AnchorBoxLayer'                              }
    {'AveragePooling2DLayer'                       }
    {'BatchNormalizationLayer'                     }
    {'BiLSTMLayer'                                 }
    {'ClassificationOutputLayer'                   }
    {'ClippedReLULayer'                            }
    {'ConcatenationLayer'                          }
    {'Convolution2DLayer'                          }
    {'Crop2DLayer'                                 }
    {'CrossChannelNormalizationLayer'              }
    {'DepthConcatenationLayer'                     }
    {'DepthToSpace2DLayer'                         }
    {'DicePixelClassificationLayer'                }
    {'DropoutLayer'                                }
    {'ELULayer'                                    }
    {'FeatureInputLayer'                           }
    {'FlattenLayer'                                }
    {'FocalLossLayer'                              }
    {'FullyConnectedLayer'                         }
    {'GRULayer'                                    }
    {'GlobalAveragePooling2DLayer'                 }
    {'GlobalMaxPooling2DLayer'                     }
    {'GroupedConvolution2DLayer'                   }
    {'ImageInputLayer'                             }
    {'LSTMLayer'                                   }
    {'LeakyReLULayer'                              }
    {'MaxPooling2DLayer'                           }
    {'MaxUnpooling2DLayer'                         }
    {'MultiplicationLayer'                         }
    {'PixelClassificationLayer'                    }
    {'RCNNBoxRegressionLayer'                      }
    {'RPNClassificationLayer'                      }
    {'ReLULayer'                                   }
    {'RegressionOutputLayer'                       }
    {'Resize2DLayer'                               }
    {'SSDMergeLayer'                               }
    {'SequenceFoldingLayer'                        }
    {'SequenceInputLayer'                          }
    {'SequenceUnfoldingLayer'                      }
    {'SigmoidLayer'                                }
    {'SoftmaxLayer'                                }
    {'SpaceToDepthLayer'                           }
    {'TanhLayer'                                   }
    {'TransposedConvolution2DLayer'                }
    {'WordEmbeddingLayer'                          }
    {'YOLOv2OutputLayer'                           }
    {'YOLOv2ReorgLayer'                            }
    {'YOLOv2TransformLayer'                        }
    {'nnet.keras.layer.FlattenCStyleLayer'         }
    {'nnet.keras.layer.GlobalAveragePooling2dLayer'}
    {'nnet.keras.layer.SigmoidLayer'               }
    {'nnet.keras.layer.TanhLayer'                  }
    {'nnet.keras.layer.ZeroPadding2dLayer'         }
    {'nnet.onnx.layer.ElementwiseAffineLayer'      }
    {'nnet.onnx.layer.FlattenLayer'                }
    {'nnet.onnx.layer.IdentityLayer'               }
    {'ScalingLayer'                                }
    {'SoftplusLayer'                               }

入力引数

すべて折りたたむ

深層学習ライブラリ名。次の表のいずれかの値を指定します。

値説明
'arm-compute'

ARM® CPU プロセッサをターゲットとする ARM Compute Library。

MATLAB Coder Interface for Deep Learning が必要です。

'arm-compute-mali'

ARM GPU プロセッサをターゲットとする ARM Compute Library。

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

'cmsis-nn'

Common Microcontroller Software Interface Standard - Neural Network (CMSIS-NN) ライブラリ。

MATLAB Coder Interface for Deep Learning が必要です。

'cudnn'

NVIDIA® CUDA® Deep Neural Network library (cuDNN)。

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

'mkldnn'

Intel Math Kernel Library for Deep Neural Networks。

MATLAB Coder Interface for Deep Learning が必要です。

'none'

coder.getDeepLearningLayers(TargetLibrary = 'none') は、サードパーティのライブラリを使用しないコード生成でサポートされる層を返します。これは、coder.getDeepLearningLayers を入力引数なしで呼び出すことと同じです。

MATLAB Coder Interface for Deep Learning が必要です。

'tensorrt'

NVIDIA TensorRT™ 高性能深層学習用推論オプティマイザーおよびランタイム ライブラリ。

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

バージョン履歴

R2018b で導入

すべて折りたたむ

参考

関数

トピック