matlab除錯卷積深度置信網路CDBN-master的時候出現crbm_forward2D_batch_mex沒法識別（解決）

塵封的記憶0發表於2017-05-04

Matlab除錯卷積ASTForwardBAT

今天幫群裡的一個群友調matlab程式碼，CDBN，卷積深度置信網路，他說的是這個錯誤改了好幾天都沒法改，其實就是matlab如何呼叫c語言的問題，挺簡單的。下面說說我的做法和如何在matlab中呼叫c語言的問題。

有一個通俗的比喻，如果程式設計語言是車，那麼C 語言就是全能手， C十十語言是加強版的C 語言， MATLAB是科學

家用來完成特殊任務的工具。作為使用MATLAB 的科學家和工程師，通過混合程式設計，就可以借用CIC十十語言這兩個全能手增強

MATLAB 的功能；作為使用C/C十十語言開發的開發者，也可以通過混合程式設計來使用MATLAB強大的科學計算與資料視覺化功能。

準備好C語言程式，一般情況下要清楚C語言的入口函式，比如，如下的C語言函式：

void mexFunction (int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
編寫mexfunction函式。mexfunction函式為C語言與MATLAB語言的介面函式。呼叫例項在mylinedetect.c檔案中，檔案內容如下：

#include <math.h>
#include <mex.h>
#include <matrix.h>
#include <time.h>
#include <string.h>

void mexFunction (int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
{
const mxArray *model, *layer, *batch_data;
mxArray *model_new, *h_input_array, *h_sample_array, *output_array;
int ni,N,n_dim,n_map_h, n_map_v, nh,nv,j,i,jj,ii,id,
Hstride,Wstride,Hfilter,Wfilter,Hres,Wres,H,W,Hpool,Wpool,Hout,Wout;
int *_id;
double *s_filter, *stride, *h, *data, *weights, *h_bias, *block, *pool,
*h_input, *h_sample, *output, *gaussian;
mwSize *dim_vi, *dim_hi, *dim_id, *dim_h, *dim_out;
mxChar *type;

model = prhs[0];
layer = prhs[1];
batch_data = prhs[2];

dim_vi = mxGetDimensions(batch_data);
n_dim = mxGetNumberOfDimensions(batch_data);

if (n_dim == 2 || n_dim == 3)
N = 1;
else
N = dim_vi[3];

dim_h = (mwSize*)mxMalloc(sizeof(mwSize)*4);
dim_hi = mxGetDimensions(mxGetField(model,0,"h_input"));
dim_h[0] = dim_hi[0];
dim_h[1] = dim_hi[1];
dim_h[2] = dim_hi[2];
dim_h[3] = N;

n_map_h = mxGetScalar(mxGetField(layer,0,"n_map_h"));
n_map_v = mxGetScalar(mxGetField(layer,0,"n_map_v"));
s_filter = mxGetPr(mxGetField(layer,0,"s_filter"));
stride = mxGetPr(mxGetField(layer,0,"stride"));
data = mxGetPr(batch_data);
weights = mxGetPr(mxGetField(model,0,"W"));
h = mxGetPr(mxCreateNumericArray(4,dim_h,mxDOUBLE_CLASS,mxREAL));
h_bias = mxGetPr(mxGetField(model,0,"h_bias"));
block = mxGetPr(mxCreateNumericArray(4,dim_h,mxDOUBLE_CLASS,mxREAL));
pool = mxGetPr(mxGetField(layer,0,"s_pool"));
h_input_array = mxCreateNumericArray(4,dim_h,mxDOUBLE_CLASS, mxREAL);
h_input = mxGetPr(h_input_array);
h_sample_array = mxCreateNumericArray(4,dim_h,mxDOUBLE_CLASS, mxREAL);
h_sample = mxGetPr(h_sample_array);
dim_out = mxGetDimensions(mxGetField(model,0,"output"));
dim_out[3] = N;
output_array = plhs[0] = mxCreateNumericArray(4,dim_out,mxDOUBLE_CLASS, mxREAL);
output = mxGetPr(output_array);
gaussian = mxGetPr(mxGetField(model,0,"start_gau"));
type = mxGetChars(mxGetField(layer,0,"type_input"));

/*Here need to pay attention to the _id:mxUINT32_CLASS*/
dim_id = (mwSize*)mxMalloc(sizeof(mwSize)*2);
dim_id[0] = pool[0]; dim_id[1] = pool[1];
_id = mxGetPr(mxCreateNumericArray(2,dim_id,mxUINT32_CLASS,mxREAL));

mxFree(dim_id);
mxFree(dim_h);

Hstride = stride[0];
Wstride = stride[1];
Hfilter = s_filter[0];
Wfilter = s_filter[1];
H = dim_vi[0];
W = dim_vi[1];
Hres = dim_hi[0];
Wres = dim_hi[1];
Hpool = pool[0];
Wpool = pool[1];
Hout = floor(Hres/Hpool);
Wout = floor(Wres/Wpool);

for (ni = 0; ni < N; ni++){
for (nh = 0; nh < n_map_h; nh++){

for (j = 0; j < Wres; j++){
for (i = 0; i < Hres; i++){
id = i+Hres*j+Hres*Wres*nh+Hres*Wres*n_map_h*ni;
h[id] = 0;
h_input[id] = 0;

for (nv = 0; nv < n_map_v; nv++){
for (jj = 0; jj < Wfilter; jj++){
for (ii = 0; ii < Hfilter; ii++){

h[id] += data[(i*Hstride+ii)+H*(j*Wstride+jj)+H*W*nv+H*W*n_map_v*ni]
* weights[(ii+Hfilter*jj)+Hfilter*Wfilter*nv+Hfilter*Wfilter*n_map_v*nh];

}
}
}

h_input[id] = h[id] + h_bias[nh];

/* for crbm blocksum & outpooing */
if (type[0] == 'B')
block[id] = exp(h_input[id]);
if (type[0] == 'G')
block[id] = exp(1.0/(gaussian[0]*gaussian[0])*h_input[id]);
}
}

/* output the pooling & crbm blocksum: hidden activation summation */

for (j = 0; j < Wout; j++){
for (i = 0; i < Hout; i++){

double sum = 0.0;
for (jj = 0; jj < Wpool; jj++){
_id[jj*Hpool] = i*Hpool+(j*Wpool+jj)*Hres + Hres*Wres*nh+Hres*Wres*n_map_h*ni;
sum += block[_id[jj*Hpool]];
for (ii = 1; ii < Hpool; ii++){

_id[jj*Hpool+ii] = _id[jj*Hpool+ii-1] + 1;
sum += block[_id[jj*Hpool+ii]];

}
}

int out_id = i+j*Hout+Hout*Wout*nh+Hout*Wout*n_map_h*ni;
for (jj = 0; jj < Hpool*Wpool; jj++){
h_sample[_id[jj]] = 1.0-(1.0/(1.0+sum));

}

output[out_id] = h_sample[_id[0]];
}
}
}
}

return;

}
4

在MATLAB中呼叫mex指令編譯相關檔案，將C語言編譯為MEX檔案，如下所示。

mex mylinedetect.c linedetect.c

編譯完成後，生成mylinedetect.mexw32或mylinedetect.mexw64檔案，此檔案即mex檔案，用於MATLAB與C語言介面函式
5

編譯完成之後，編寫MATLAB函式，呼叫MEX檔案。如下所示。

load trees;

%以MEX檔案的形式呼叫編譯完成的C語言函式

[o1,o2]=mylinedetect(double(X).');

......
6

輸出結果，上述linedetect函式完成影象中直線檢測功能，帶入MATLAB中呼叫後，形成如下結果。
不懂的可以加我的QQ群：522869126（語音訊號處理）歡迎你

的到來哦，看了博文給點腳印唄，謝謝啦~~

matlab除錯卷積深度置信網路CDBN-master的時候出現crbm_forward2D_batch_mex沒法識別（解決）

相關文章