将模型对象保存到文件中以供代码生成
为机器学习模型的目标函数生成C/ c++代码(包括预测
,随机
,knnsearch
,rangesearch
,增量学习函数),使用saveLearnerForCoder
,loadLearnerForCoder
,codegen
(MATLAB编码器).训练一个机器学习模型后,使用保存该模型saveLearnerForCoder
.定义一个入口点函数,通过使用loadLearnerForCoder
并调用一个对象函数。然后使用codegen
或者是MATLAB®编码器™app生成C/ c++代码。生成C/ c++代码需要MATLAB编码器.
该流程图展示了机器学习模型对象函数的代码生成流程。使用saveLearnerForCoder
为突出显示的步骤。
定点C/ c++代码生成需要一个额外的步骤,定义预测所需变量的定点数据类型。通过使用生成的数据类型函数创建定点数据类型结构generateLearnerDataTypeFcn
,并将该结构用作的输入参数loadLearnerForCoder
在入口点函数中。生成定点C/ c++代码需要MATLAB编码器和定点设计师™。
的定点代码生成工作流预测
机器学习模型的功能。使用saveLearnerForCoder
为突出显示的步骤。
saveLearnerForCoder (
准备分类模型、回归模型或最近邻搜索器(Mdl
,文件名
)Mdl
)来生成代码,并将其保存在MATLAB格式的二进制文件(MAT-file)中文件名
.你可以通过文件名
来loadLearnerForCoder
来重建模型对象文件名
文件。
saveLearnerForCoder
准备一个机器学习模型(Mdl
)以生成代码。该函数删除了一些不必要的属性。
对于具有相应紧凑模型的模型,则saveLearnerForCoder
函数应用适当的紧凑的
函数,然后保存模型。
对于没有相应紧凑模型的模型,例如ClassificationKNN
,ClassificationLinear
,RegressionLinear
,ExhaustiveSearcher
,KDTreeSearcher
,saveLearnerForCoder
函数删除了超参数优化属性、训练求解器信息等属性。
loadLearnerForCoder
加载保存的模型saveLearnerForCoder
.
使用由。创建的编码器配置器learnerCoderConfigurer
对于该表中列出的模型。
模型 | 编码器配置对象 |
---|---|
用于多类分类的二叉决策树 | 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 | ClassificationLinearCoderConfigurer |
支持向量机的多分类模型和线性模型 | ClassificationECOCCoderConfigurer |
二叉决策树的回归 | RegressionTreeCoderConfigurer |
金宝app支持向量机回归 | RegressionSVMCoderConfigurer |
线性回归 | RegressionLinearCoderConfigurer |
训练机器学习模型后,创建模型的编码器配置器。使用配置器的对象函数和属性来配置代码生成选项并为预测
和更新
模型的功能。如果使用编码器配置器生成代码,则可以在生成的代码中更新模型参数,而不必重新生成代码。有关详细信息,请参见使用编码器配置器生成预测和更新的代码.
generateLearnerDataTypeFcn
|loadLearnerForCoder
|codegen
(MATLAB编码器)