generateFiles

生成MATLAB使用编码器配置器生成代码的文件

折叠所有页面

语法

generatefiles（Configurer）

generateFiles(配置,OutputPath OutputPath)

描述

例子

generateFiles (配置程序）生成matlab.^®使用编码器配置程序生成C / C ++代码所需的文件配置程序，并将生成的文件保存在当前文件夹中。

自定义代码生成工作流程，使用generateFiles和codegen(MATLAB编码器)．如果您不需要自定义工作流程，请使用generatecode.．

generateFiles生成以下MATLAB文件:

predict.m，update.m，和初始化..- - - - - -predict.m和update.m是该的入学点函数预测和更新机器学习模型的函数，分别与这两个函数调用初始化..．您可以根据代码生成工作流修改这些文件。例如，可以修改predict.m文件要包含数据预处理，或者您可以将这些入门点函数添加到另一个代码生成项目。
一个包含机器学习模型信息的mat文件generateFiles使用saveLearnerForCoder函数将机器学习模型信息保存在mat -文件中，该文件的文件名存储在OutputFileName编码器配置程序的属性。初始化..使用使用的加载已保存的MAT文件loadLearnerForCoder函数。

生成这些文件后，通过使用生成C / C ++代码codegen(MATLAB编码器)和准备codegen参数存储在CodeGenerationArguments编码器配置程序的属性。

如果该文件夹已包含所有四个MATLAB文件，那么generateFiles不生成任何文件。

generateFiles (配置程序“OutputPath”,outputPath）在指定的文件夹中生成MATLAB文件outputPath．

例子

全部折叠

生成代码生成的MATLAB®文件

这个示例使用:

打开直播脚本

培训机器学习模型，然后生成为生成C / C ++代码所需的MATLAB文件预测和更新通过使用编码器配置器来实现模型的功能。

加载电离层数据集，训练二值支持向量机分类模型。金宝app

负载电离层mdl = fitcsvm（x，y）;

MDL.是一个分类VM.目的。

为此创建一个编码器配置程序分类VM.目的。

配置= learnerCoderConfigurer (Mdl X);

配置程序是一个ClassificationSVMCoderConfigurer对象的编码配置器分类VM.目的。

用generateFiles生成所需的MATLAB文件，生成C/ c++代码预测和更新模型的功能。

generatefiles（Configurer）

generateFiles生成predict.m，update.m，初始化..，和Classificationsvmmodel.mat.(一个包含机器学习模型信息的mat文件)。

显示的内容predict.m，update.m，和初始化..文件。

类型predict.m显示predict.m的内容

函数varargout = predict（x，varargin）％＃codegen％by matlab，01-sep-2021 14:33:01 [varargout {1：nargout}] =初始化（'predict'，x，varargin {：}）;结束

类型update.m%显示update.m的内容

function update(varargin) %#codegen % Autogenerated by MATLAB, 01- 9 -2021 14:33:01 initialize('update'，varargin{:});结束

类型初始化..显示initialize.m的内容

函数[varargout] = initialize（命令，varargin）％＃codegen％by matlab，01-sep-2021 14:33:01编码器.inline（'总是'）持久模型如果是isempty（模型）模型= loadlearnerforcoder（'classificationsvmmodel。垫'）;结束开关（命令）案例'更新'％更新结构字段：alpha％supportsvectors％supportvectorlabels％sc金宝appale％偏差％prest％成本模型=更新（型号，varargin {：}）;案例'预测'％预测输入：x x = varargin {1};如果nargin == 2 [varargout {1：nargout}] = predict（model，x）;否则pvPairs = cell（1，nargin-2）;对于i = 1：nargin-2 pvpairs {1，i} = varargin {i + 1};结束[varargout {1：nargout}] = predict（model，x，pvpaess {：}）;结束结束

通过使用生成C/ c++代码codegen(MATLAB编码器)和准备codegen参数存储在CodeGenerationArguments的属性配置程序．

cfArgs = configurer.CodeGenerationArguments;codegen (cfArgs {}):

代码生成成功。

输入参数

全部折叠

`配置程序`- - - - - -编码器配置程序
编码器配置对象

机器学习模型的编码器配置器，指定为通过使用LearnerCoderConfigurer．

模型	编码器配置对象
用于多款分类的二进制决策树	`ClassificationTreeCoderConfigurer`
支持向量机用于一类和二值分类	`ClassificationSVMCoderConfigurer`
二元分类的线性模型	`ClassificalLCODERCONFIGURER.`
支持向量机的多分类模型和线性模型	`ClassificationECOCCoderConfigurer`
回归的二进制决策树	`回归的足委会onfigurer`
金宝app支持向量机（SVM）回归	`回归vmcoderconfigurer.`
线性回归	`RegressionLinearCoderConfigurer`

`outputPath`- - - - - -输出文件的文件夹路径
当前文件夹(默认)|特征向量|字符串标量

的输出文件的文件夹路径generateFiles，指定为字符向量或字符串数组。

指定的文件夹路径可以是当前文件夹路径的绝对路径，也可以是相对路径。

路径不能包含空格，因为在某些操作系统配置中，空格可能导致代码生成失败。
路径也不能包含非7位的ASCII字符，例如日文字符。

如果指定的文件夹不存在，则generateFiles创建文件夹。

generateFiles在指定的文件夹中搜索四个MATLAB文件:predict.m，update.m，初始化..，以及包括机器学习模型信息的垫文件。如果文件夹中不存在四个文件，则generateFiles生成的文件。否则,generateFiles不生成任何MATLAB文件。

例子：“C: \ myfile”

数据类型:char|字符串