如何将MATLAB训练的CNN网络导入LabVIEW并预加载使用

针对你遇到的LabVIEW无法通过MATLAB节点输出网络对象、深度学习模块TensorFlow版本不兼容的问题，以下是几个可行的解决方向：

方法一：用MATLAB Compiler打包网络为可调用组件 #

• 在MATLAB中编写两个核心函数：一个负责预加载网络（比如initNetwork.m，内部加载训练好的网络并将其作为持久变量保存），另一个负责图像分类推理（比如classifyImage.m，接收图像数据，调用已加载的网络完成分类）。
• 使用MATLAB Compiler将这两个函数打包为.NET Assembly（.dll文件）。
• 在LabVIEW中，通过.NET节点调用该组件：程序初始化阶段调用initNetwork完成网络预加载，后续分类逻辑直接调用classifyImage即可，无需重复加载网络。

方法二：使用MATLAB DataPlugin加载网络对象 #

如果要通过DataPlugin实现，具体操作步骤如下：

1. 在MATLAB中，将训练好的网络保存为.mat文件（直接用save('trained_net.mat', 'net')命令）。
2. 创建MATLAB DataPlugin项目：
   • 新建一个DataPlugin类，继承自matlab.io.dataplugin.ReadPlugin。
   • 实现read方法，读取.mat文件中的网络对象，并将其封装为LabVIEW可识别的自定义数据类型（比如变体或簇）。
   • 注册该插件（用matlab.io.dataplugin.registerPlugin命令）。
3. 在LabVIEW中，使用“读取测量文件”节点加载该.mat文件，在程序初始化阶段完成网络对象的读取和存储，后续推理时直接调用该对象。

方法三：将网络转为ONNX格式跨平台调用 #

避开LabVIEW深度学习模块的TensorFlow版本限制，步骤如下：

• 在MATLAB中，使用exportONNXNetwork(net, 'trained_net.onnx')命令将训练好的网络导出为ONNX格式。
• 在LabVIEW中集成ONNX Runtime：
  • 通过.NET节点调用ONNX Runtime的.NET库，在程序初始化阶段加载ONNX模型。
  • 编写图像预处理逻辑（和MATLAB训练时的预处理一致），将图像数据传入加载好的ONNX模型完成分类推理。

内容的提问来源于stack exchange，提问作者J Song