resnet50.7z
MATLAB 工具包 DEEP LEARNING TOOLBOX (一)
Deep Learning Toolbox 提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆 (LSTM) 网络对图像、时序和文本数据执行分类和回归。
Deep Learning Toolbox 提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆 (LSTM) 网络对图像、时序和文本数据执行分类和回归。
代码片段和文件信息
classdef ResNet50PackageInfo < matlab.addons.internal.SupportPackageInfobase
%ResNet50 support package support for MATLAB Compiler.
% Copyright 2017-2018 The MathWorks Inc.
methods
function obj = ResNet50PackageInfo（）
obj.baseProduct = ‘Deep Learning Toolbox‘;
obj.displayName = ‘Deep Learning Toolbox Model for ResNet-50 Network‘;
obj.name = ‘Deep Learning Toolbox Model for ResNet-50 Network‘;
sproot = matlabshared.supportpkg.getSupportPackageRoot（）;
% Define all the data that should be deployed from the support
% package. This includes the actual language data which will
% be archived in the CTF.
obj.mandatoryIncludeList = {...
fullfile（sproot ‘toolbox‘‘nnet‘‘supportpackages‘‘resnet50‘‘+nnet‘） ...
fullfile（sproot ‘toolbox‘‘nnet‘‘supportpackages‘‘resnet50‘‘resnet50.rights‘） ...
fullfile（sproot ‘toolbox‘‘nnet‘‘supportpackages‘‘resnet50‘‘license_addendum‘） ...
fullfile（sproot ‘toolbox‘‘nnet‘‘supportpackages‘‘resnet50‘‘data‘‘resnet50.mat‘） };
% Specify that the resnet50.mat data file should only be
% suggested in the deploy app if the resnet50.m file is used in
% the application code. Otherwise there is no need to mention
% it.
obj.conditionalIncludeMap = containers.Map;
obj.conditionalIncludeMap（fullfile（toolboxdir（‘nnet‘） ‘cnn‘ ‘resnet50.m‘）） = {};
end
end
end
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件举报，一经查实，本站将立刻删除。
评论列表（条）