如何使用MATLAB編碼器將經過訓練的神經網絡用作函數？

Question

我已經訓練了一個簡單的神經網絡，該網絡僅將4個數字相乘並給出1個數字作為輸出。

  ( output(x0) = in1(x0)*in2(x0)*in3(x0) *in4(x0)). 

或說明：

我的神經網絡有4個輸入和1個輸出，[10 10]是隱藏層。 我使用'genFunction'生成了網絡之外的.m文件，然后使用MATLAB編碼器生成了C ++函數。 我使用以下輸入類型生成代碼：輸入類型：

我的問題是，當我測試C ++代碼時，它僅給出輸出的前兩個樣本。

我將條目存儲在大小為400（每個輸入大小為100）的std :: vector中

到目前為止，我已經完成了以下操作（盡管沒有理想的輸出）：

 std::vector<double> Multiplier(std::vector<double>& input)
 {
   double* X_data = new double[input.size()];
   X_data = vec2ar(input);
   int X_size[2];
   X_size[0] = 4;
   X_size[1] = 100;
   double* Y_data = new double[input.size()];
   int Y_size[100];

原來是：

void multiplier(const double X_data[], const int X_size[2], double Y_data[], int
Y_size[2])
{
 double Xp1_data[800];
 int Xp1_size[2];
 int j;
 double a1_data[2000];
 int coffset;
 int a1_size[2];
 int boffset;
 double tmp_data[2000];
 int k;
 double b_a1_data[2000];

為了獲得輸出：

std::vector<double> output;
output = ar2vec(Y_data);
return output;

我想要的就是我們有4個向量，並將它們賦予此功能，只需簡單地乘以“描述”中所示的相應樣本（在我的情況下，我們有4個大小為100的向量，並且我們期望輸出大小為100）。

對於ar2vec和vec2ar函數：

std::vector<double> ar2vec(double arr[])
{
std::vector<double> vec;
copy(&arr[0], &arr[100], std::back_inserter(vec));
return vec;
}

double* vec2ar(std::vector<double> vec)
{
double * arr = new double[vec.size()];
copy(vec.begin(), vec.end(), arr);
return arr;
} 

如何解決我的問題？

Answer 1

默認情況下，MATLAB Coder會生成以列主要順序存儲矩陣和ND數組的代碼。 C和C ++中的典型布局是行主要順序。 為了確保正確的行為，在調用生成的代碼之前，必須先將數據從行專業轉換為列專業，然后再返回至行專業以使用輸出。

從MATLAB R2018a開始，MATLAB Coder提供了生成行主代碼的選項。 如果您的代碼已經按行主順序存儲數據，則啟用此設置將使您無需轉換大多數數據。 發行說明對此進行了說明 ，並且文檔中的一節描述了MATLAB Coder中的這些選項。