이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
MATLAB®编码器™는코드생성을지원하는统计和机器学习工具箱함수에서,읽을수있고이식가능한C및c++코드를생성합니다。예를들어,코드생성을사용하여MATLAB을실행할수없는하드웨어장치에훈련된서포트벡터머신분(SVM)류모델을배포해이장치에서새관측값을분류할수있습니다。
여러가지방법으로다음함수에대한C / c++코드를생성할수있습니다。
머신러닝모델의객체함수에대해서는saveLearnerForCoder
,loadLearnerForCoder
,codegen
(MATLAB编码器)을사용합니다。
머신러닝모델의预测
및更新
객체함수에대해서는learnerCoderConfigurer
로생성된코더구성기를사용합니다。이구성기를사용하여코드생성옵션을구성하고생성된코드에서모델파라미터를업데이트하십시오。
코드생성을지원하는다른함수에대해서는codegen
을사용합니다。
일부머신러닝모델의예측을위해고정소수점C / c++코드를생성할수도있습니다。이유형의코드를생성하려면定点设计师™가필요합니다。
머신러닝모델의예측을仿真软金宝app件®에통합하려면统计和机器学习工具箱라이브러리에서MATLAB函数블록이나仿真软件블록을사용하십시오。金宝app
코드생성에대해알아보려면代码生成简介항목을참조하십시오。
코드생성을지원하는함수목록은함수목록(C / c++코드생성)을참조하십시오。
学习如何为Statistics和Machine Learning Toolbox函数生成C/ c++代码。
为不使用机器学习模型对象的Statistics和Machine Learning Toolbox函数生成代码。
在命令行生成用于预测分类或回归模型的代码。
在命令行生成实现二进制线性分类增量学习的代码。
生成用于预测分类或回归模型的代码MATLAB编码器应用程序。
使用编码器配置器生成预测模型的代码,并在生成的代码中更新模型参数。
生成代码,接受可能在运行时改变大小的输入参数。
生成代码,用于对包含数值变量和分类变量的表中的数据进行分类。
在拟合SVM分类器并生成代码之前,将分类预测器转换为数值虚拟变量。
为SVM分类或回归模型的预测生成定点代码。
使用classification Learner app训练一个分类模型,并生成C/ c++代码用于预测。
使用最近邻居搜索器模型生成查找最近邻居的代码。
生成代码,将概率分布对象与样本数据相匹配,并对匹配的分布对象进行评估。
这个示例展示了如何使用Classification Learner训练逻辑回归模型,然后生成C代码,使用导出的分类模型预测标签。
这个例子展示了如何在Simulink®中使用ClassificationSVM Predict块进行标签预测。金宝app
使用classification Learner应用程序训练分类决策树模型,然后使用ClassificationTree预测标签预测块。
训练一个具有最优超参数的分类集成模型,然后利用ClassificationEnsemble预测标签预测块。
使用回归学习者应金宝app用程序训练一个支持向量机(SVM)回归模型,然后使用RegressionSVM预测响应预测块。
这个例子展示了如何在Simulink®中使用RegressionTree Predict块进行响应预测。金宝app
训练一个具有最优超参数的回归集成模型,然后使用RegressionEnsemble预测响应预测块。
从Simulink模型生成代码,该模型使用金宝appSVM模型对数据进行分类。
从System对象™生成代码,使用经过训练的分类模型进行预测,并在Simulink模型中使用System对象。金宝app
从一个状态流生成代码®使用判别分析分类器对数据进行分类的模型。
从为定点部署准备的分类Simulink模型生成代码。金宝app