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
,随机的
,knnsearch
,rangesearch
,增量学习函数),使用saveLearnerForCoder
,loadLearnerForCoder
,codegen
(MATLAB编码器).训练机器学习模型后,使用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MATLAB®编码员™用于生成C/C++代码的应用程序。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
对于突出显示的步骤。
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编码器和定点设计器™.
此流程图显示了的定点代码生成工作流预测
机器学习模型的功能。使用saveLearnerForCoder
对于突出显示的步骤。
saveLearnerForCoder(
准备分类模型、回归模型或最近邻搜索器(Mdl
,文件名
)Mdl
)用于代码生成,并将其保存在名为文件名
.你可以通过文件名
来loadLearnerForCoder
从中重建模型对象的步骤文件名
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
函数应用适当的契约
在保存模型之前,将函数复制到模型。
对于没有相应紧凑模型的模型,例如分类KNN
,ClassificationLinear
,RegressionLinear
,穷举搜索器
,KDTreeSearcher
这个saveLearnerForCoder
函数删除了超参数优化属性、训练求解器信息等属性。
loadLearnerForCoder
加载由保存的模型saveLearnerForCoder
.
使用由。创建的编码器配置器learnerCoderConfigurer
对于本表中列出的型号。
模型 | 编码器配置器对象 |
---|---|
用于多类分类的二叉决策树 | ClassificationTreeCoderConfigurer |
一类二值分类的支持向量机 | 分类VMCoderConfiguration |
二元分类的线性模型 | 分类线性代码配置器 |
支持向量机的多类模型和线性模型 | 分类代码配置器 |
二叉决策树的回归 | RegressionTreeCoderConfigurer |
金宝app支持向量机回归 | RegressionSVMCoderConfigurer |
线性回归 | 回归线性代码配置器 |
培训机器学习模型后,创建模型的编码器配置器。使用配置器的对象函数和属性配置代码生成选项并为模型生成代码预测
和使现代化
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,而无需重新生成代码。有关详细信息,请参阅使用编码器配置器生成预测和更新的代码.
loadLearnerForCoder
|codegen
(MATLAB编码器)|generateLearnerDataTypeFcn