在文件中保存模型对象进行代码生成
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.
,增量学习功能),使用saveLearnerForCoder
,loadlearnerforcoder.
, 和Codegen.
(MATLAB编码器).训练一个机器学习模型后,使用保存该模型saveLearnerForCoder
.定义通过使用加载模型的入口点函数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.
该流程图显示了机器学习模型的对象功能的代码生成工作流程。使用saveLearnerForCoder
为突出显示的步骤。
定点C / C ++代码生成需要一个附加步骤,该步骤定义预测所需的变量的定点数据类型。使用由生成的数据类型功能创建固定点数据类型结构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编码器和固定点设计器™。
此流程图显示了固定点代码生成工作流程预测
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
到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。
对于具有相应紧凑型号的模型,该模型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
,分类线性
,回归线性
,ExhaustiveSearcher
, 和kdtreesearcher.
,saveLearnerForCoder
函数删除诸如Quand参数优化属性,培训求解器信息等的属性。
loadlearnerforcoder.
加载保存的模型saveLearnerForCoder
.
使用编码器配置程序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 |
用于SVM和线性型号的多键模型 | ClassificationECOCCoderConfigurer |
回归的二进制决策树 | 回归的TreecoderConfigurer. |
金宝app支持向量机回归 | 回归vmcoderconfigurer |
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程序进行预测和更新的代码生成.
generateLearnerDataTypeFcn
|loadlearnerforcoder.
|Codegen.
(MATLAB编码器)