MATLAB實現整合系列第一期:MATLAB中寫Python，與TensorFlow,PyTorch整合

Fred Liu

8 min readApr 25, 2023

關於在MATLAB與Python混合編成，以及跟TensorFlow,PyTorch整合的流程，我們會用以下的程式碼與YouTube影片來做輔助說明。

YouTube連結：MATLAB Integration

GitHub連結：Python_MATLAB_Intergation

1.關於模型遷移與整合這件事(Model Exchage)

可以透過Youtube的影片”深度學習模型 TensorFlow/PyTorch/ONNX整合”，與GitHub中已下此檔案了解相關使用方式。

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

Interoperability_TensorFlow_PyTorch_01.mlx 各種模型呼叫輸出轉換方式

Export to TensorFlow
Import TensorFlow 2
Import KerasNetwork
Import from PyTorch
Interoperability Capabilities Summary

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

接著我們來談談這張圖，在2022b的MATLAB可以載入來自於TensorFlow與Pytorch與ONNX的模型，並且輸出模型成TensorFlow與ＯNNX的格式，以及透過ONNX來跟其他的深度學習框架去做轉移。

Export to TensorFlow

透過以下兩行程式碼，第一行是載入darknet19的模型，第二行則是做匯出的動作。

net = darknet19
exportNetworkToTensorFlow(net,'DarkNet19');

Import TensorFlow2

透過以下兩行程式碼，第一行是載入TensorFlow的Darknet19模型，第二行則是將模型匯入到MATLAB之中。

modelFolder = 'DarkNet19_savedmodel'
TFnet = importTensorFlowNetwork(modelFolder,'TargetNetwork','dlnetwork');

Import KerasNetwork

第一行載入h5格式的檔案，第二行則是將模型匯入至MATLAB中。

modelfileKeras = 'digitsDAGnet.h5'
Kerasnet = importKerasNetwork(modelfileKeras);

Import from PyTorch

第一段載入Pytorch的模型，第二段之後是在MATLAB中將模型加入輸入層

net = importNetworkFromPyTorch("traced_mnasnet1_0.pt");

InputSize = [224,224,3]
InputLayer = imageInputLayer(InputSize,Normalization="none");
net = addInputLayer(net,InputLayer,Initialize=true);;

2.關於在MATLAB寫Python Code

可以透過Youtube的影片”在MATLAB中使用Python Code”，與GitHub中已下此檔案了解相關使用方式。

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

Interoperability_TensorFlow_PyTorch_02.mlx

Pyrun(在MATLAB使用Pythoncode)
Pyrunfile(在MATLAB使用Python File)
MATLAB Live Task for Python Package

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

在MATLAB中可以透過Pyrun來在背景執行Python的程式碼，並且將結果回傳到MATLAB之中，也可以透過執行Pyrunfile來執行Python File，透過以上兩種方式來外嵌一些Python Library，以下我們來看看如何操作。

首先我們可以先查看一下MATLAB中的Python環境。

pyenv

呼叫Python Library

pyRow = int64(1);   % double -> int64 (Integer in python
pyCol = int64(10);  % double -> int64 (Integer in python)
myRand = py.numpy.random.rand(pyRow,pyCol))

在MATLAB中載入影像並且做一些格式轉換

img = imread('image\r01.jpg')
figure,imshow(img)

%Image Resize
imageHWSize = 480;
img2 = imresize(img, [imageHWSize, imageHWSize]);%調整通道順序(HWCN TO NHWC)
imgforTF = permute(img2, [4 1 2 3]); 
batch_size = int32(1); % Tensorflow require inputs to be converted to int32.;

Pyrun(在MATLAB使用Pythoncode)

pythonCode4 = 
    "from tensorflow.keras.applications import efficientnet_v2"
    "import numpy as np"
    "model = efficientnet_v2.EfficientNetV2L()"
    "X = np.asarray(imgforTF)"
    "X = efficientnet_v2.preprocess_input(X)"
    "Y = model.predict(X, batch_size)"
    "Y_decoded = efficientnet_v2.decode_predictions(Y)"
    "label = Y_decoded[0][0][1]; score = Y_decoded[0][0][2]"
    ];
[model, Y, label, score] = pyrun(pythonCode4, ["model", "Y", "label", "score"], "imgforTF", imgforTF, "batch_size", batch_size);

figure,imshow(img);
title(string(label));[

Pyrunfile(在MATLAB使用Python File)

[model3, Y3, label3, score3] = pyrunfile("TensorFlow_using_DLmodel.py", ["model3","Y3","label3","score3"])

3.關於在Python中呼叫MATLAB

可以透過Youtube的影片”在Python中使用MATLAB”，與GitHub中已下此檔案了解相關使用方式。

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — -

Python_calling_MATLAB_Tim/Call Simulink Model From Python

Python Call Simulink.ipynb

Python_calling_MATLAB_Tim/Using MATLAB App in Python_Image

UsingAppInPython_Image.ipynb

Python_calling_MATLAB_Tim/Using MATLAB App in Python_Signal

UsingAppInPython_Signal.ipynb