abs
|
MATLAB
| 既知の制限事項なし |
accumneg (Fixed-Point Designer)
|
Fixed-Point Designer™
| 既知の制限事項なし |
accumpos (Fixed-Point Designer)
|
Fixed-Point Designer
| 既知の制限事項なし |
acos
|
MATLAB
| 入力値 X は実数でも出力が複素数になる場合、シミュレーション時にエラーを生成し、生成コードで NaN を返します。複素数の結果を得るには、入力値を complex(X) に渡して複素数にします。 |
acosd
|
MATLAB
| 既知の制限事項なし |
acosh
| MATLAB | 入力値 X は実数でも出力が複素数になる場合、シミュレーション時にエラーを生成し、生成コードで NaN を返します。複素数の結果を得るには、入力値を complex(X) に渡して複素数にします。 |
acot
|
MATLAB
| 既知の制限事項なし |
acotd
|
MATLAB
| 既知の制限事項なし |
activations (Deep Learning Toolbox)
|
Deep Learning Toolbox™
|
GPU コード生成は、以下の構文をサポートします。
features = activations(net,X,layer)
features = activations(__,Name,Value)
入力 X は可変サイズにしないでください。サイズはコード生成時に固定しなければなりません。 関数 activations の GPU コード生成では、半精度浮動小数点データ型として定義された入力がサポートされています。詳細については、half を参照してください。 引数 layer はコンパイル時の定数でなければなりません。 コード生成では、名前と値のペアの引数 'OutputAs' および 'MiniBatchSize' のみがサポートされています。名前と値のペア 'OutputAs' の値は 'channels' でなければなりません。 すべての名前と値のペアはコンパイル時の定数でなければなりません。
|
adaptthresh (Image Processing Toolbox)
| Image Processing Toolbox | 引数 ForegroundPolarity および Statistic はコンパイル時の定数でなければなりません。 |
affine2d (Image Processing Toolbox)
| Image Processing Toolbox | コードを生成するとき、特異オブジェクトだけを指定できます。オブジェクトの配列はサポートされていません。 |
alexnet (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
and
|
MATLAB
| 既知の制限事項なし |
angle
|
MATLAB
| 既知の制限事項なし |
asin
|
MATLAB
| 入力値 X は実数でも出力が複素数になる場合、シミュレーション時にエラーを生成し、生成コードで NaN を返します。複素数の結果を得るには、入力値を complex(X) に渡して複素数にします。 |
asind
|
MATLAB
| 既知の制限事項なし |
asinh
| MATLAB | 既知の制限事項なし |
atan
|
MATLAB
| 既知の制限事項なし |
atan2
|
MATLAB
| atan2 を single 型および double 型のオペランドと共に使用した場合、生成コードが出力する結果は MATLAB と同じにならない可能性があります。single 型と double 型のオペランドをもつ要素単位の二項演算を参照してください。
|
atan2d
|
MATLAB
| atan2d を single 型および double 型のオペランドと共に使用した場合、生成コードが出力する結果は MATLAB と同じにならない可能性があります。single 型と double 型のオペランドをもつ要素単位の二項演算を参照してください。
|
atand
|
MATLAB
| 既知の制限事項なし |
atanh
| MATLAB | 入力値 x は実数でも出力が複素数になる場合、シミュレーション時にエラーを生成し、生成コードで NaN を返します。複素数の結果を得るには、入力値を complex(x) に渡して複素数にします。 |
bin2dec
|
MATLAB
|
|
bitand |
MATLAB
| 既知の制限事項なし |
bitcmp |
MATLAB
| 既知の制限事項なし |
bitget |
MATLAB
| 既知の制限事項なし |
bitor |
MATLAB
| 既知の制限事項なし |
bitrevorder (Signal Processing Toolbox) |
Signal Processing Toolbox™
| 既知の制限事項なし |
bitset |
MATLAB
| 既知の制限事項なし |
bitshift |
MATLAB
| 既知の制限事項なし |
bitsll (Fixed-Point Designer) |
Fixed-Point Designer
| 生成コードは範囲外のシフトを処理しない可能性があります。 |
bitsra (Fixed-Point Designer) |
Fixed-Point Designer
| 生成コードは範囲外のシフトを処理しない可能性があります。 |
bitsrl (Fixed-Point Designer) |
Fixed-Point Designer
| 生成コードは範囲外のシフトを処理しない可能性があります。 |
bitxor |
MATLAB
| 既知の制限事項なし |
blkdiag |
MATLAB
| 既知の制限事項なし |
bsxfun | MATLAB | コード生成では、この関数のスパース行列入力はサポートされません。 |
bwareaopen (Image Processing Toolbox)
|
Image Processing Toolbox
|
BW は 2 次元バイナリ イメージでなければなりません。N 次元配列はサポートされません。
conn は 2 次元連結性 (4 または 8) または 3 行 3 列の行列のいずれかでなければなりません。3 次元連結性 (6、18 および 26) はサポートされません。サイズが 3 x 3 x ... x 3 の行列はサポートされません。
conn はコンパイル時の定数でなければなりません。
|
bwboundaries (Image Processing Toolbox)
|
Image Processing Toolbox
|
conn パラメーターはコンパイル時の定数でなければなりません。
options パラメーターはコンパイル時の定数でなければなりません。
戻り値 A は非スパース行列のみ可能で、スパース行列にはできません。
|
bwconncomp (Image Processing Toolbox)
|
Image Processing Toolbox
|
bwconncomp は 2 次元入力のみをサポートします。
引数 conn はコンパイル時の定数でなければなりません。サポートされる連結性は 4 または 8 のみです。連結性は 3 行 3 列の行列として指定することもできますが、[0 1 0;1 1 1;0 1 0] または ones(3) に限られます。
戻り値の CC 構造体の PixelIdxList フィールドはサポートされません。
|
bwdist (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、オプションの 2 番目の入力引数 method はコンパイル時の定数でなければなりません。入力イメージのピクセル数は 232 個未満でなければなりません。 |
bweuler (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
bwlabel (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、パラメーター n はコンパイル時の定数でなければなりません。 |
bwlookup (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、logical クラスの入力イメージを指定します。 |
bwmorph (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、演算を指定する文字ベクトルまたは string スカラーはコンパイル時の定数でなければなりません。最良の結果を得るには、入力イメージのクラスが logical でなければなりません。 |
bwperim (Image Processing Toolbox)
|
Image Processing Toolbox
|
bwperim は 2 次元イメージのみをサポートします。
bwperim は出力引数のない構文をサポートしません。
連結性行列の入力引数 conn は定数でなければなりません。
|
bwselect (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
bwtraceboundary (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、引数 dir 、fstep および conn はコンパイル時の定数でなければなりません。 |
bwunpack (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、すべての入力引数はコンパイル時の定数でなければなりません。 |
cart2pol
|
MATLAB
| 既知の制限事項なし |
cast
|
MATLAB
| 列挙型入力はコンパイル時にスカラー値でなければなりません。列挙型の配列はサポートされていません。 |
ceil
|
MATLAB
| コード生成では、X に対して char および logical データ型はサポートされません。 |
chol
|
MATLAB
| 1 つの出力引数を使用する最初の 2 つの構文 chol(A) および chol(A,triangle) のみがサポートされます。 |
circshift
| MATLAB | コード生成では、最初の入力引数に対して table と cell はサポートされません。 |
classify (Deep Learning Toolbox)
| Deep Learning Toolbox |
GPU コード生成は、以下の構文をサポートします。
[YPred,scores] = classify(net,X)
[YPred,scores] = classify(net,sequences)
[YPred,scores] = classify(__,Name,Value)
回帰ネットワークおよび複数の出力があるネットワークについては、関数 classify の GPU コード生成はサポートされていません。 関数 classify の GPU コード生成では、半精度浮動小数点データ型として定義された入力がサポートされています。詳細については、half を参照してください。 入力 X は可変サイズにしないでください。サイズはコード生成時に固定しなければなりません。 GPU コード生成では、ベクトル シーケンスのみがサポートされます。シーケンスの長さは可変サイズにできます。特徴次元はコード生成時に固定しなければなりません。 コード生成では、名前と値のペアの引数 'MiniBatchSize' 、'SequenceLength' 、'SequencePaddingDirection' 、および 'SequencePaddingValue' のみがサポートされています。すべての名前と値のペアはコンパイル時の定数でなければなりません。 コード生成では、名前と値のペアの引数 'SequenceLength' のオプションとして 'longest' と 'shortest' のみがサポートされています。
|
classUnderlying
|
MATLAB
| 既知の制限事項なし |
compan
|
MATLAB
| 既知の制限事項なし |
complex
|
MATLAB
| 既知の制限事項なし |
conj
|
MATLAB
| 既知の制限事項なし |
conndef (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、引数 num_dims および type はコンパイル時の定数でなければなりません。 |
conv
| MATLAB | 入力に非有限値 (inf または NaN ) が含まれる場合、生成コードから得られる結果は、MATLAB のシミュレーションと数値的に一致しない場合があります。 |
conv2
|
MATLAB
| 入力に非有限値 (inf または NaN ) が含まれる場合、生成コードから得られる結果は、MATLAB のシミュレーションと数値的に一致しない場合があります。 |
cos
|
MATLAB
| 既知の制限事項なし |
cosh
|
MATLAB
| 既知の制限事項なし |
cot
|
MATLAB
| 既知の制限事項なし |
coth
|
MATLAB
| 既知の制限事項なし |
cross
|
MATLAB
|
|
csc
|
MATLAB
| 既知の制限事項なし |
csch
|
MATLAB
| 既知の制限事項なし |
ctranspose
|
MATLAB
| 既知の制限事項なし |
cwt (Wavelet Toolbox)
|
Wavelet Toolbox™
|
単精度および倍精度の入力信号がサポートされています。精度はコンパイル時に設定しなければなりません。 timetable の入力信号はサポートされていません。 解析的な Morse ('morse' ) ウェーブレットと Morlet ('amor' ) ウェーブレットのみがサポートされます。 次の入力引数はサポートされていません。サンプリング周期 (ts )、および名前と値のペア PeriodLimits 、NumOctave 、FilterBank 。 スケーリング係数の出力とフィルター バンクの出力はサポートされていません。 プロットはサポートされていません。
|
cummax
|
MATLAB
| 既知の制限事項なし |
cummin
|
MATLAB
| 既知の制限事項なし |
cumprod
|
MATLAB
|
|
cumsum
|
MATLAB
|
|
DAGNetwork (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
darknet19 (Deep Learning Toolbox)
| Deep Learning Toolbox |
|
darknet53 (Deep Learning Toolbox)
| Deep Learning Toolbox |
|
deg2rad
|
MATLAB
| 既知の制限事項なし |
del2
|
MATLAB
| 既知の制限事項なし |
demosaic (Image Processing Toolbox)
|
Image Processing Toolbox
| sensorAlignment はコンパイル時の定数でなければなりません。
|
deeplabv3plusLayers (Computer Vision Toolbox)
| Deep Learning Toolbox | コード生成では、まず関数 deeplabv3plusLayers を使用して DeepLab v3+ ネットワークを作成しなければなりません。次に、結果の lgraph オブジェクトに関数 trainNetwork を使用し、セグメンテーションについてネットワークに学習させます。ネットワークの学習と評価が済んだら、GPU Coder を使用して深層学習ネットワーク オブジェクトのコードを生成できます。 |
densenet201 (Deep Learning Toolbox)
| Deep Learning Toolbox |
コード生成の場合、構文 net = densenet201 を使用するか、関数 densenet201 を coder.loadDeepLearningNetwork に渡すことによって、ネットワークを読み込むことができます。次に例を示します。net = coder.loadDeepLearningNetwork('densenet201') 詳細については、コード生成用の事前学習済みのネットワークの読み込みを参照してください。 構文 densenet201('Weights','none') は GPU コード生成でサポートされていません。
|
det
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
diag
|
MATLAB
|
k を指定する場合、実数のスカラー整数値でなければなりません。
可変長ベクトルである可変サイズの入力の場合 (1 行 : 列または : 行 1 列)、diag は次を実行します。
入力をベクトルとして扱う 指定した対角上に入力ベクトルをもつ行列を返す
可変長ベクトルでない可変サイズの入力の場合、diag は次を実行します。
入力を行列として扱う 実行時にベクトルである入力をサポートしない 可変長ベクトルを返す
入力が可変サイズ (:m 行 :n 列) で、実行時の形状が 0 行 0 列の場合、出力は 0 行 0 列ではなく 0 行 1 列です。ただし、入力が一定サイズ 0 行 0 列の場合、出力は [] です。 可変長ベクトルでない可変サイズ入力の場合 (1 行 : 列または : 行 1 列)、diag は入力を対角ベクトル抽出元の行列として処理します。この動作は、入力配列が実行時にベクトルである場合も行われます。diag が構築する行列が、1 行 : 列または : 行 1 列でない可変サイズの入力に基づくよう設定する場合、次を使用します。
|
disparitySGM (Computer Vision Toolbox)
| Computer Vision Toolbox™ |
入力イメージ I1 と I2 は、平行化されていなければならず、サイズとデータ型が同じでなければなりません。 GPU コード生成では、'UniquenessThreshold' と 'disparityMap' の名前と値のペアがサポートされています。 非常に大きい入力の場合、アルゴリズムのメモリ要件が GPU デバイスの制限を超える場合があります。このような場合、コード生成を続行する前に入力サイズを小さくすることを検討してください。
|
double
|
MATLAB
| string 入力のコンマの位置が誤っている (コンマが 3 桁ごとの区切りとして使用されていない) 場合、生成されるコードの結果が MATLAB の結果と異なる可能性があります。 |
edge (Image Processing Toolbox)
|
Image Processing Toolbox
|
引数 method 、direction および sigma はコンパイル時の定数でなければなりません。 'approxcanny' 法はサポートされません。
非プログラム構文はサポートされません。たとえば、戻り値を指定しない場合、edge はイメージを表示します。この構文はコード生成をサポートしません。
|
exp
|
MATLAB
| 既知の制限事項なし |
eye
|
MATLAB
|
typename は組み込みの MATLAB 数値型でなければなりません。他のクラスの静的 eye メソッドを呼び出しません。たとえば、eye(m, n, 'myclass') は myclass.eye(m,n) を呼び出しません。
サイズの引数は固定サイズでなければなりません。
|
factorial
| MATLAB | 既知の制限事項なし |
fft
| MATLAB | 既知の制限事項なし |
fft2
| MATLAB | 既知の制限事項なし |
fftfilt (Signal Processing Toolbox)
| Signal Processing Toolbox | デジタル フィルター オブジェクトは、コード生成でサポートされません。 |
fftn
| MATLAB | 引数 sz は固定サイズでなければなりません。 |
fftshift
| MATLAB | 既知の制限事項なし |
filter
| MATLAB |
指定する場合、dim は定数でなければなりません。 ツールボックス関数のコード生成に対する可変サイズの制限を参照してください。 入力に非有限値 (inf または NaN ) が含まれる場合、生成コードから得られる結果は、MATLAB のシミュレーションと数値的に一致しない場合があります。
|
filter2
| MATLAB | 既知の制限事項なし |
fitgeotrans (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
fix
|
MATLAB
| コード生成では、X に対して char および logical データ型はサポートされません。 |
floor
|
MATLAB
| コード生成では、X に対して char および logical データ型はサポートされません。 |
fspecial (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、すべての入力引数はコンパイル時の定数でなければなりません。 |
gather
|
MATLAB
| 既知の制限事項なし |
ge
|
MATLAB
| 既知の制限事項なし |
getrangefromclass
|
MATLAB
| 既知の制限事項なし |
googlenet (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
gt
|
MATLAB
| 既知の制限事項なし |
half
| MATLAB |
半精度データ型を含むコードの生成と実行には、CUDA Compute Capability 5.3 以上が必要です。 半精度データ型を含むコードの生成と実行には、CUDA ツールキット version 10.0 以上が必要です。 CUDA コードを生成するためのメモリ割り当て (malloc ) モードは、'Discrete' に設定しなければなりません。 詳細については、coder.gpuConfig を参照してください。 半精度複素数データ型は GPU コード生成でサポートされていません。 GPU コード生成の場合、半精度の行列の乗算は実数入力でのみ実行できます。 MATLAB では、関数 isobject に半精度の入力を与えると true が返されます。しかし、生成されたコードでは、この関数は false を返します。 ターゲット ハードウェアが半精度をネイティブにサポートしていない場合、ストレージ型として half が使用され、算術演算が単精度で実行されます。 関数によっては、ターゲット ハードウェアの種類にかかわらず、ストレージ型として half のみが使用され、算術演算が常に単精度で実行されます。 MATLAB コードに半精度データ型が含まれている場合、32 ビットのターゲットのコード生成はサポートされません。
|
histeq (Image Processing Toolbox)
| Image Processing Toolbox | コードを生成する際、histeq ではインデックス付きイメージがサポートされません。 |
hough (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
houghlines (Image Processing Toolbox)
|
Image Processing Toolbox
| オプションのパラメーター名 'FillGap' および 'MinLength' はコンパイル時の定数でなければなりません。それらに関連付けられた値はコンパイル時の定数である必要はありません。
|
houghpeaks (Image Processing Toolbox)
|
Image Processing Toolbox
| オプションのパラメーター名 'Threshold' および 'NHoodSize' はコンパイル時の定数でなければなりません。それらに関連付けられた値はコンパイル時の定数である必要はありません。 |
hsv2rgb
|
MATLAB
| 既知の制限事項なし |
hypot
|
MATLAB
| hypot を single 型および double 型のオペランドと共に使用した場合、生成コードが出力する結果は MATLAB と同じにならない可能性があります。single 型と double 型のオペランドをもつ要素単位の二項演算を参照してください。
|
ifft
| MATLAB |
|
ifft2
| MATLAB | 対称性のタイプ 'symmetric' はサポートされていません。 |
ifftn
| MATLAB |
|
ifftshift
| MATLAB | 既知の制限事項なし |
im2double
|
MATLAB
| 既知の制限事項なし |
im2int16 (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
im2single (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
im2uint8 (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
imabsdiff (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
imadjust (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、imadjust ではインデックス付きイメージがサポートされません。 |
imag
|
MATLAB
| 既知の制限事項なし |
imbinarize (Image Processing Toolbox)
| Image Processing Toolbox | コードを生成する際、すべての文字ベクトルの入力引数はコンパイル時の定数でなければなりません。 |
imbothat (Image Processing Toolbox)
| Image Processing Toolbox |
|
imboxfilt (Image Processing Toolbox)
| Image Processing Toolbox | コードを生成する際、すべての文字ベクトルの入力引数はコンパイル時の定数でなければなりません。 |
imclearborder (Image Processing Toolbox)
| Image Processing Toolbox |
|
imclose (Image Processing Toolbox)
| Image Processing Toolbox |
|
imcomplement (Image Processing Toolbox)
|
Image Processing Toolbox
| imcomplement は int64 および uint64 のデータ型をサポートしていません。
|
imcrop (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
imdilate (Image Processing Toolbox)
| Image Processing Toolbox |
入力イメージ IM は 2 次元または 3 次元でなければなりません。 構造化要素引数 SE はコンパイル時の定数でなければなりません。 パックされたバイナリ入力イメージ (PACKOPT 構文) はサポートされません。 チャネル数が 3 つよりも多い 3 次元イメージの場合、C/C++ コードのみ生成されます。 CUDA コードは、1 次元または 2 次元の構造化要素についてのみ生成されます。構造化要素が 3 次元の場合、C/C++ コードが生成されます。3 次元を超える構造化要素ではコード生成はサポートされません。 フラットでない構造化要素では、C/C++ コードのみ生成されます。
|
imerode (Image Processing Toolbox)
| Image Processing Toolbox |
imfill (Image Processing Toolbox) |
Image Processing Toolbox
|
オプションの conn および 'holes' 入力引数はコンパイル時の定数でなければなりません。 imfill では 3 次元までの入力のみがサポートされています。(N 次元サポートではありません)。
ポイントを選択する対話型構文 imfill(BW,0,CONN) はサポートされていません。 入力引数 locations では、コンパイル時に形式を選択したら、実行時にそれを変更することはできません。ただし、locations 内の点の数は実行時に変更できます。
|
imfilter (Image Processing Toolbox)
|
Image Processing Toolbox
|
コードを生成する際、入力イメージ A は 2 次元または 3 次元でなければなりません。入力引数 options の値は、コンパイル時の定数でなければなりません。 大きなカーネル h 、大きな値を含むカーネル、または大きな値を含むイメージを指定すると、MATLAB と浮動小数点データ型に codegen を使用して生成されたコードの間で異なる結果が得られます。これは、異なるアルゴリズムの実装による累積誤差が原因で発生します。 CUDA ツールキット v9.0 では、NVIDIA® 最適化のバグが原因で、生成コードと MATLAB の結果間で数値の不一致が発生します。回避方法として、コードを生成する前に次のフラグを構成オブジェクト (cfg ) に渡すことで最適化をオフにします。 cfg.GpuConfig.CompilerFlags = ‘-Xptxas -O0’ NVIDIA は、CUDA ツールキット v9.1 でこのバグを修正すると予想されます。
|
imgaussfilt (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
imgradient3 (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、入力引数 method はコンパイル時の定数でなければなりません。 |
imgradientxyz (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、入力引数 method はコンパイル時の定数でなければなりません。 |
imhist (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
imhmax (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、オプションの 3 番目の入力引数 conn はコンパイル時の定数でなければなりません。 |
immse (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
imopen (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
imoverlay (Image Processing Toolbox)
|
Image Processing Toolbox
| コード生成時、color を文字ベクトルとして指定した場合、その値はコンパイル時の定数でなければなりません。 |
imreconstruct (Image Processing Toolbox)
| Image Processing Toolbox |
|
impyramid (Image Processing Toolbox)
|
Image Processing Toolbox
| direction はコンパイル時の定数でなければなりません。
|
imquantize (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
imread
|
Image Processing Toolbox
|
|
imresize (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
imrotate (Image Processing Toolbox)
| Image Processing Toolbox |
|
imtophat (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
imwarp (Image Processing Toolbox)
|
Image Processing Toolbox
|
データ型 categorical の入力イメージはサポートされていません。 幾何学的変換オブジェクト入力 tform は affine2d (Image Processing Toolbox) または projective2d (Image Processing Toolbox) オブジェクトであり、定数でなければなりません。 内挿法とオプションのパラメーター名は定数でなければなりません。 空間参照情報出力 RB はサポートされません。
|
inceptionresnetv2 (Deep Learning Toolbox)
| Deep Learning Toolbox | コード生成の場合、構文 net = inceptionresnetv2 を使用するか、関数 inceptionresnetv2 を coder.loadDeepLearningNetwork に渡すことによって、ネットワークを読み込むことができます。次に例を示します。net = coder.loadDeepLearningNetwork('inceptionresnetv2') 詳細については、コード生成用の事前学習済みのネットワークの読み込みを参照してください。 |
inceptionv3 (Deep Learning Toolbox)
| Deep Learning Toolbox |
コード生成の場合、構文 net = inceptionv3 を使用するか、関数 inceptionv3 を coder.loadDeepLearningNetwork に渡すことによって、ネットワークを読み込むことができます。次に例を示します。net = coder.loadDeepLearningNetwork('inceptionv3') 詳細については、コード生成用の事前学習済みのネットワークの読み込みを参照してください。 構文 inceptionv3('Weights','none') は GPU コード生成でサポートされていません。
|
int8 、int16 、int32 、int64
|
MATLAB
| 既知の制限事項なし |
integralBoxFilter (Image Processing Toolbox)
|
Image Processing Toolbox
| 'NormalizationFactor' パラメーターはコンパイル時の定数でなければなりません。
|
interp2
| MATLAB |
Xq と Yq は同じサイズでなければなりません。meshgrid を使用してグリッドで評価します。
最適な結果を得るには、X および Y をベクトルとして指定してください。これらのベクトルの値は、厳密な単調増加でなければなりません。 コード生成は、'makima' 内挿法をサポートしていません。 'cubic' 内挿法の場合、グリッドが等間隔でなければ結果はエラーとなります。この場合は、'spline' 内挿法を使用します。
最適な結果を得るには、'spline' 内挿法を使用するときに、以下を実行してください。
|
intlut (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
isaUnderlying
|
MATLAB
| 既知の制限事項なし |
isequal
|
MATLAB
| 既知の制限事項なし |
isfloat
|
MATLAB
| 既知の制限事項なし |
isinteger
|
MATLAB
| 既知の制限事項なし |
islogical
|
MATLAB
| 既知の制限事項なし |
ismatrix
|
MATLAB
| 既知の制限事項なし |
isnumeric
|
MATLAB
| 既知の制限事項なし |
isreal
|
MATLAB
| 既知の制限事項なし |
isrow
|
MATLAB
| 既知の制限事項なし |
issparse
|
MATLAB
| 既知の制限事項なし |
issymmetric
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
istft (Signal Processing Toolbox)
| Signal Processing Toolbox | 'ConjugateSymmetric' 引数は、コード生成でサポートされません。
|
istril
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
istriu
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
isvector
|
MATLAB
| 既知の制限事項なし |
kron
| MATLAB | コード生成では、この関数のスパース行列入力はサポートされません。 |
lab2rgb (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、すべての文字ベクトルの入力引数はコンパイル時の定数でなければなりません。 |
label2idx (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
ldivide
|
MATLAB
| ldivide を single 型および double 型のオペランドと共に使用した場合、生成コードが出力する結果は MATLAB と同じにならない可能性があります。single 型と double 型のオペランドをもつ要素単位の二項演算を参照してください。
|
le
|
MATLAB
| 既知の制限事項なし |
length
|
MATLAB
| 既知の制限事項なし |
linsolve
|
MATLAB
|
構造体 opts は定数スカラーでなければなりません。コード生成では、オプション構造体の配列はサポートされていません。 コード生成では、以下のケースのみが最適化されます。
その他のオプションは、mldivide を使用するのと同等です。 コード生成では、この関数のスパース行列入力はサポートされません。
|
log
|
MATLAB
| 入力値 x は実数でも出力が複素数になる場合、シミュレーションはエラーで終了します。複素数の結果を出力するには、入力値を complex(x) に渡して複素数にします。 |
log10
|
MATLAB
| 既知の制限事項なし |
log1p
|
MATLAB
| 既知の制限事項なし |
logical
|
MATLAB
| 既知の制限事項なし |
lt
|
MATLAB
| 既知の制限事項なし |
lu
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
matchFeatures (Computer Vision Toolbox)
|
Computer Vision Toolbox
| CUDA コードは exhaustive マッチング法に対してのみ生成されます。Approximate メソッドが選択されている場合、GPU Coder は警告を発行し、この関数の C/C++ コードを生成します。 |
mean
|
MATLAB
|
dim を指定する場合、定数でなければなりません。
outtype オプションと nanflag オプションは定数の文字ベクトルでなければなりません。
整数型は、'native' 出力データ型オプションをサポートしません。
|
mean2 (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
medfilt2 (Image Processing Toolbox)
| Image Processing Toolbox | コードを生成する際、引数 padopt にはコンパイル時の定数を指定しなければなりません。 |
meshgrid
|
MATLAB
| 既知の制限事項なし |
mfcc (Audio Toolbox)
| Audio Toolbox™ | 既知の制限事項なし |
minus
|
MATLAB
| minus を single 型および double 型のオペランドと共に使用した場合、生成コードが出力する結果は MATLAB と同じにならない可能性があります。single 型と double 型のオペランドをもつ要素単位の二項演算を参照してください。
|
mldivide
|
MATLAB
| 既知の制限事項なし |
mobilenetv2 (Deep Learning Toolbox) | Deep Learning Toolbox |
コード生成の場合、構文 net = mobilenetv2 を使用するか、関数 mobilenetv2 を coder.loadDeepLearningNetwork に渡すことによって、ネットワークを読み込むことができます。次に例を示します。net = coder.loadDeepLearningNetwork('mobilenetv2') 詳細については、コード生成用の事前学習済みのネットワークの読み込みを参照してください。 構文 mobilenetv2('Weights','none') は GPU コード生成でサポートされていません。
|
mpower
|
MATLAB
|
A が 2 行 2 列以上の行列で、B が Inf または -Inf の場合、A^B は NaN 値の行列を返します。
A^b については、b が非整数のスカラーの場合、A と b のうち少なくとも一方が複素数でなければなりません。
コード生成では、この関数のスパース行列入力はサポートされません。
|
mrdivide
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
mtimes
|
MATLAB
| 純粋な虚数と非有限数の乗算は、MATLAB と一致しない場合があります。コード ジェネレーターは、純粋な虚数による乗算を特別扱いしません。実数部がゼロの数値との計算を排除しません。たとえば、(Inf + 1i)*1i = (Inf*0 – 1*1) + (Inf*1 + 1*0)i = NaN + Infi のようにします。 |
multithresh (Image Processing Toolbox)
|
Image Processing Toolbox
| 入力引数 N はコンパイル時の定数でなければなりません。 |
NaN または nan |
MATLAB
| 次元は実数で非負の整数でなければなりません。 |
nasnetmobile (Deep Learning Toolbox) | Deep Learning Toolbox | コード生成の場合、構文 net = nasnetmobile を使用するか、関数 nasnetmobile を coder.loadDeepLearningNetwork に渡すことによって、ネットワークを読み込むことができます。次に例を示します。net = coder.loadDeepLearningNetwork('nasnetmobile') 詳細については、コード生成用の事前学習済みのネットワークの読み込みを参照してください。 |
nasnetlarge (Deep Learning Toolbox) | Deep Learning Toolbox | コード生成の場合、構文 net = nasnetlarge を使用するか、関数 nasnetlarge を coder.loadDeepLearningNetwork に渡すことによって、ネットワークを読み込むことができます。次に例を示します。net = coder.loadDeepLearningNetwork('nasnetlarge') 詳細については、コード生成用の事前学習済みのネットワークの読み込みを参照してください。 |
ne
|
MATLAB
| コード生成では、ne を使用した列挙型メンバーと string 配列、文字配列または文字配列の cell 配列との間の不等価性のテストはサポートされません。 |
nextpow2
|
MATLAB
| 既知の制限事項なし |
nnz
|
MATLAB
| 既知の制限事項なし |
numel
|
MATLAB
| 既知の制限事項なし |
ones
|
MATLAB
| 次元は実数で非負の整数でなければなりません。 |
ordfilt2 (Image Processing Toolbox)
|
Image Processing Toolbox
|
GPU コード生成では、入力が範囲内にあることが必要です。入力が可変次元の場合、ソフトウェアは C コードを生成します。 コードを生成する際、引数 padopt にはコンパイル時の定数を指定しなければなりません。 フィルター処理の近傍を定義する domain 値が 11x11 よりも大きいサイズである場合、生成された GPU コードは最適化されていません。 パフォーマンスを向上させるために、coder.gpuConfig オブジェクトの StackLimitPerThread オプションを Inf に設定することを検討してください。
|
otsuthresh (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
padarray (Image Processing Toolbox)
|
Image Processing Toolbox
|
データ型 categorical の入力配列はサポートされていません。 コードを生成する際、padarray は 3 次元までの入力のみをサポートします。 入力引数 padval および direction はコンパイル時の定数でなければなりません。
|
pdist (Statistics and Machine Learning Toolbox) |
Statistics and Machine Learning Toolbox™
|
最適化された CUDA コードでサポートされる距離の入力引数値 (Distance ) は、'euclidean' 、'squaredeuclidean' 、'seuclidean' 、'cityblock' 、'minkowski' 、'chebychev' 、'cosine' 、'correlation' 、'hamming' 、および 'jaccard' です。 Distance はカスタム距離関数にすることはできません。
Distance はコンパイル時の定数でなければなりません。
|
pdist2 (Statistics and Machine Learning Toolbox) |
Statistics and Machine Learning Toolbox
|
最適化された CUDA コードでサポートされる距離の入力引数値 (Distance ) は、'euclidean' 、'squaredeuclidean' 、'seuclidean' 、'cityblock' 、'minkowski' 、'chebychev' 、'cosine' 、'correlation' 、'hamming' 、および 'jaccard' です。 Distance はカスタム距離関数にすることはできません。
Distance はコンパイル時の定数でなければなりません。
名前と値のペアの引数に含まれる名前はコンパイル時の定数でなければなりません。 数値の精度のため、生成されたコードにおける同順位の距離の並べ替え順序は MATLAB における順序と異なる可能性があります。
|
plus
|
MATLAB
| plus を single 型および double 型のオペランドと共に使用した場合、生成コードが出力する結果は MATLAB と同じにならない可能性があります。single 型と double 型のオペランドをもつ要素単位の二項演算を参照してください。
|
pointCloud (Computer Vision Toolbox)
| Computer Vision Toolbox |
可変入力サイズの GPU コード生成は最適化されません。コード生成を最適化するために、固定サイズ入力の使用を検討してください。 GPU コード生成では、'Color' 、'Normal' 、および 'Intensity' の名前と値のペアがサポートされています。 GPU コード生成では、findNearestNeighbors (Computer Vision Toolbox)、findNeighborsInRadius (Computer Vision Toolbox)、findPointsInROI (Computer Vision Toolbox)、removeInvalidPoints (Computer Vision Toolbox)、および select (Computer Vision Toolbox) のメソッドがサポートされています。 入力が非常に大きい場合、アルゴリズムのメモリ要件が GPU デバイスの制限を超える場合があります。このような場合、コード生成を続行する前に入力サイズを小さくすることを検討してください。
|
pol2cart
|
MATLAB
| 既知の制限事項なし |
polyint
|
MATLAB
| 既知の制限事項なし |
pow2 (Fixed-Point Designer)
|
Fixed-Point Designer
| 既知の制限事項なし |
power
|
MATLAB
|
X と Y の両方が実数であり、power(X,Y) が複素数である場合、シミュレーションでエラーが発生し、生成コードは NaN を返します。複素数の結果を得るには、入力値 X を complex(X) に渡して複素数にします。たとえば、power(complex(X),Y) のようにします。
X と Y の両方が実数であり、X .^ Y が複素数である場合、シミュレーションでエラーが発生し、生成コードは NaN を返します。複素数の結果を得るには、complex(X) を使用して入力値 X を複素数にします。たとえば、complex(X).^Y のようにします。
コード生成では、この関数のスパース行列入力はサポートされません。
|
predict (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
GPU コード生成は、以下の構文をサポートします。
YPred = predict(net,X)
[YPred1,...,YPredM] = predict(__)
YPred = predict(net,sequences)
__ = predict(__,Name,Value)
入力 X は可変サイズにしないでください。サイズはコード生成時に固定しなければなりません。 関数 predict の GPU コード生成では、半精度浮動小数点データ型として定義された入力がサポートされています。詳細については、half を参照してください。 GPU コード生成では、ベクトル シーケンスのみがサポートされます。シーケンスの長さは可変サイズにできます。特徴次元はコード生成時に固定しなければなりません。 コード生成では、名前と値のペアの引数 'MiniBatchSize' 、'SequenceLength' 、'SequencePaddingDirection' 、および 'SequencePaddingValue' のみがサポートされています。すべての名前と値のペアはコンパイル時の定数でなければなりません。 コード生成では、名前と値のペアの引数 'SequenceLength' のオプションとして 'longest' と 'shortest' のみがサポートされています。
|
predictAndUpdateState (Deep Learning Toolbox)
| Deep Learning Toolbox |
GPU コード生成は、以下の構文をサポートします。
[updatedNet,YPred] = predictAndUpdateState(recNet,sequences)
[updatedNet,YPred] = predictAndUpdateState(__,Name,Value)
関数 predictAndUpdateState の GPU コード生成は、再帰型ニューラル ネットワークおよび cuDNN ターゲット ライブラリについてのみサポートされています。 GPU コード生成では、ベクトル シーケンスのみがサポートされます。シーケンスの長さは可変サイズにできます。特徴次元はコード生成時に固定しなければなりません。 コード生成では、名前と値のペアの引数 'MiniBatchSize' 、'SequenceLength' 、'SequencePaddingDirection' 、および 'SequencePaddingValue' のみがサポートされています。すべての名前と値のペアはコンパイル時の定数でなければなりません。 コード生成では、名前と値のペアの引数 'SequenceLength' のオプションとして 'longest' と 'shortest' のみがサポートされています。
|
prod
|
MATLAB
| dim を指定する場合、定数でなければなりません。
|
projective2d (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成するとき、特異オブジェクトだけを指定できます。オブジェクトの配列はサポートされていません。 |
psnr (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
qr
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
rad2deg
|
MATLAB
| 既知の制限事項なし |
rank
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
resetState (Deep Learning Toolbox)
| Deep Learning Toolbox | 関数 resetState の GPU コード生成は、再帰型ニューラル ネットワークおよび cuDNN ターゲット ライブラリについてのみサポートされています。 |
rcond
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
rdivide
|
MATLAB
| rdivide を single 型および double 型のオペランドと共に使用した場合、生成コードが出力する結果は MATLAB と同じにならない可能性があります。single 型と double 型のオペランドをもつ要素単位の二項演算を参照してください。
|
real
|
MATLAB
| 既知の制限事項なし |
reallog
|
MATLAB
| 既知の制限事項なし |
realsqrt
|
MATLAB
| 既知の制限事項なし |
rectint
|
MATLAB
| 既知の制限事項なし |
repelem
|
MATLAB
| 入力はベクトルまたは行列でなければなりません。入力を多次元配列にすることはできません。 |
repmat
|
MATLAB
|
|
reshape
|
MATLAB
|
|
resnet18 (Deep Learning Toolbox) | Deep Learning Toolbox |
|
resnet50 (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
resnet101 (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
rgb2gray
|
MATLAB
| 既知の制限事項なし |
rgb2hsv
|
MATLAB
| 既知の制限事項なし |
rgb2lab (Image Processing Toolbox)
|
Image Processing Toolbox
| コードを生成する際、すべての文字ベクトルの入力引数はコンパイル時の定数でなければなりません。 |
rot90
|
MATLAB
| 最初の引数では cell 配列をサポートしません。 |
round
|
MATLAB
|
|
sec
|
MATLAB
| 既知の制限事項なし |
sech
|
MATLAB
| 既知の制限事項なし |
segnetLayers (Computer Vision Toolbox)
| Computer Vision Toolbox | コード生成では、まず関数 segnetLayers を使用して SegNet ネットワークを作成しなければなりません。次に、結果の lgraph オブジェクトに関数 trainNetwork を使用し、セグメンテーションについてネットワークに学習させます。ネットワークの学習と評価が済んだら、GPU Coder を使用して DAGNetwork オブジェクトのコードを生成できます。 |
selectStrongestBboxMulticlass (Computer Vision Toolbox) |
Computer Vision Toolbox
|
|
SeriesNetwork (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
sin
|
MATLAB
| 既知の制限事項なし |
single
|
MATLAB
| 既知の制限事項なし |
sinh
|
MATLAB
| 既知の制限事項なし |
size
|
MATLAB
| 既知の制限事項なし |
sortrows
|
MATLAB
|
最初の入力引数は cell 配列にしないでください。 A が複素数で、その虚数部がすべて 0 である場合、MATLAB は sortrows(A) を呼び出す前に A を real(A) に変換することがあります。この場合、MATLAB は A の行を real(A) で並べ替えますが、生成されるコードは A の行を abs(A) で並べ替えます。生成されるコードを MATLAB と一致させるには、sortrows(real(A)) または sortrows(A,'ComparisonMethod','real') を使用します。
|
sph2cart
|
MATLAB
| 既知の制限事項なし |
sqrt
|
MATLAB
| シミュレーションでエラーが発生します。入力値 x が実数で、出力は複素数にする必要がある場合、生成されるスタンドアロン コードは NaN を返します。複素数の結果を得るには、入力値を complex(x) に渡して複素数にします。 |
squeeze
|
MATLAB
| cell 配列はサポートしません。 |
squeezenet (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
ssdObjectDetector (Computer Vision Toolbox)
| Computer Vision Toolbox |
ssdObjectDetector の detect (Computer Vision Toolbox) メソッドのみがコード生成でサポートされます。
コード生成で得られた境界ボックスの出力は、MATLAB のシミュレーション結果とは数値的に少し異なる場合があります。 コード ジェネレーターは、detect メソッドへの入力イメージのサイズを、ネットワークの入力層のサイズに変更します。ただし、生成される境界ボックスの出力は、元の入力サイズに従います。 detect メソッドの roi 引数は codegen の定数 (coder.const() ) および 1 行 4 列のベクトルでなければなりません。
Threshold 、SelectStrongest 、MinSize 、MaxSize および MiniBatchSize の名前と値のペアのみがサポートされます。名前と値のペアは、すべてコンパイル時の定数でなければなりません。
入力イメージのチャネルとバッチ サイズは固定サイズでなければなりません。 出力 labels は categorical 配列として返されます。
|
std
|
MATLAB
| dim を指定する場合、定数でなければなりません。
|
stft (Signal Processing Toolbox)
| Signal Processing Toolbox |
|
stretchlim (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
sub2ind
|
MATLAB
|
|
subsasgn (Fixed-Point Designer)
|
Fixed-Point Designer
| 既知の制限事項なし |
subsindex
|
MATLAB
| 既知の制限事項なし |
subsref (Fixed-Point Designer)
|
Fixed-Point Designer
| 既知の制限事項なし |
sum
|
MATLAB
|
|
superpixels (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
svd
|
MATLAB
|
コード生成では、MATLAB が使用するものとは異なる SVD 実装が使用されます。特異値分解が一意でないため、左および右特異ベクトルが MATLAB によって計算されたものと異なる場合があります。 入力行列に非有限値が含まれる場合、生成されたコードはエラーを発行しません。代わりに、出力には NaN 値が含まれます。 コード生成では、この関数のスパース行列入力はサポートされません。
|
swapbytes
|
MATLAB
| MATLAB Function ブロック内の swapbytes に対する入力のクラスの継承は、入力のクラスが double の場合のみサポートされています。double 以外の入力については、入力端子のデータ型は継承するのではなく、指定しなければなりません。 |
tan
|
MATLAB
| 既知の制限事項なし |
tanh
|
MATLAB
| 既知の制限事項なし |
times
|
MATLAB
|
純粋な虚数と非有限数の乗算は、MATLAB と一致しない場合があります。コード ジェネレーターは、純粋な虚数による乗算を特別扱いしません。実数部がゼロの数値との計算を排除しません。たとえば、(Inf + 1i)*1i = (Inf*0 – 1*1) + (Inf*1 + 1*0)i = NaN + Infi のようにします。 times を single 型および double 型のオペランドと共に使用した場合、生成コードが出力する結果は MATLAB と同じにならない可能性があります。
|
trace
|
MATLAB
| コード生成では、この関数のスパース行列入力はサポートされません。 |
transpose
|
MATLAB
| 既知の制限事項なし |
tril
|
MATLAB
| 対角行列の次数を表す引数を指定する場合は、実数のスカラー整数値にしなければなりません。 |
triu
|
MATLAB
| 対角行列の次数を表す引数を指定する場合は、実数のスカラー整数値にしなければなりません。 |
true
|
MATLAB
| 次元は実数で非負の整数でなければなりません。 |
typecast
|
MATLAB
|
データ型の引数の値は小文字でなければなりません。 MATLAB Function ブロック内で、継承された入力端子のデータ型に typecast を使用すると、ソフトウェアがサイズ エラーをスローする場合があります。このエラーを回避するには、ブロックの入力端子のデータ型を明示的に指定してください。 入力または結果の整数クラスは、ターゲット ハードウェアの C の型に直接マッピングされなければなりません。 入力は可変長ベクトルまたは固定サイズのベクトルでなければなりません。 出力ベクトルの方向は常に入力ベクトルと同じです。
|
uint8 、uint16 、uint32 、uint64
|
MATLAB
| 既知の制限事項なし |
uminus
|
MATLAB
| 既知の制限事項なし |
unetLayers (Computer Vision Toolbox)
|
Computer Vision Toolbox
| U-Net ネットワークをコード生成に使用できます。まず、関数 unetLayers を使用してネットワークを作成します。次に、関数 trainNetwork を使用し、セグメンテーションについてネットワークに学習させます。ネットワークに学習させ、それを評価した後で、GPU Coder を使用して DAGNetwork オブジェクトのコードを生成できます。 |
uplus
|
MATLAB
| 既知の制限事項なし |
vander
|
MATLAB
| 既知の制限事項なし |
var
|
MATLAB
| 指定する場合、dim は定数でなければなりません。 |
vertcat (Fixed-Point Designer)
|
Fixed-Point Designer
| 既知の制限事項なし |
vgg16 (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
vgg19 (Deep Learning Toolbox)
|
Deep Learning Toolbox
|
|
watershed (Image Processing Toolbox)
|
Image Processing Toolbox
|
|
xception (Deep Learning Toolbox)
| Deep Learning Toolbox |
|
xor
|
MATLAB
| 既知の制限事項なし |
ycbcr2rgb (Image Processing Toolbox)
|
Image Processing Toolbox
| 既知の制限事項なし |
yolov2Layers (Computer Vision Toolbox)
| Computer Vision Toolbox | コード生成では、まず関数 yolov2Layers を使用して YOLO v2 ネットワークを作成しなければなりません。次に、結果の lgraph オブジェクトに関数 trainYOLOv2ObjectDetector を使用し、オブジェクトの検出についてネットワークに学習させます。ネットワークの学習と評価が済んだら、GPU Coder を使用して yolov2ObjectDetector オブジェクトのコードを生成できます。 |
yolov2ObjectDetector (Computer Vision Toolbox)
| Computer Vision Toolbox |
yolov2ObjectDetector の detect (Computer Vision Toolbox) メソッドのみがコード生成でサポートされます。
detect メソッドの roi 引数は codegen の定数 (coder.const() ) および 1 行 4 列のベクトルでなければなりません。
Threshold 、SelectStrongest 、MinSize 、MaxSize および MiniBatchSize の名前と値のペアのみがサポートされます。
入力イメージの高さ、幅、チャネル、バッチ サイズは固定サイズでなければなりません。 検出メソッドに渡す最小バッチ サイズの値は固定サイズでなければなりません。 ラベル出力は、{'car','bus'} などの文字ベクトルの cell 配列として返されます。
|
zeros
|
MATLAB
| 次元は非負の実数の整数でなければなりません。 |