文档

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(配置)
generateFiles(配置,OutputPath OutputPath)

描述

例子

generateFiles (配置）生成MATLAB®使用编码器配置器生成C/ c++代码所需的文件配置，并将生成的文件保存在当前文件夹中。

要自定义代码生成工作流，请使用generateFiles和codegen．如果您不需要定制您的工作流，请使用generateCode．

generateFiles生成以下MATLAB文件:

  • predict.m，update.m,initialize.m- - - - - -predict.m和update.m的入口点函数是预测和更新机器学习模型的函数，分别和这两个函数调用initialize.m．您可以根据您的代码生成工作流修改这些文件。例如，可以修改predict.m文件中包含数据预处理，或者可以将这些入口点函数添加到另一个代码生成项目中。

  • 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。initialize.m方法加载已保存的mat文件loadLearnerForCoder函数。

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

如果文件夹中已经包含了所有四个MATLAB文件，那么generateFiles不生成任何文件。

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

例子

全部折叠

这个例子使用了:

打开实时脚本

训练一个机器学习模型，然后生成生成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实现模型的功能。

加载电离层数据集和训练的二进制支持向量机(SVM)分类模型。金宝app

负载电离层Mdl = fitcsvm(X,Y);

Mdl是一个ClassificationSVM对象。

属性的编码器配置程序ClassificationSVM对象。

configurer = learnerCoderConfigurer(Mdl,X);

配置是一个ClassificationSVMCoderConfigurer对象的编码器配置器ClassificationSVM对象。

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

generateFiles(配置)

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

控件的内容predict.m，update.m,initialize.m文件。

类型predict.m显示predict.m的内容
function varargout = predict(X,varargin) %#codegen %由MATLAB自动生成，01-Feb-2020 04:13:17 [varargout{1:nargout}] =初始化('predict'，X,varargin{:});结束
类型update.m显示update.m的内容
函数更新(varargin) %#codegen %由MATLAB自动生成，01-Feb-2020 04:13:17 initialize('update'，varargin{:});结束
类型initialize.m显示initialize.m的内容
function [varargout] = initialize(command,varargin) %#codegen %由MATLAB自动生成，01-Feb-2020 04:13:17 code .inline('always')持久模型if isempty(模型)model = loadLearnerForCoder('ClassificationSVMModel.mat');end switch(command) case 'update' %更新结构字段:Alpha % SupportVectors %金宝app SupportVectorLabels % Scale % Bias % Prior % Cost model = update(model,varargin{:});预测输入:X X = varargin{1};if nargin == 2 [varargout{1:nargout}] = predict(模型，X);else PVPairs = cell(1,nargin-2);如果i = 1:nargin-2 pvairs {1,i} = varargin{i+1};end [varargout{1:nargout}] = predict(model,X,PVPairs{:});结束结束

生成C/ c++代码codegen准备好的codegen参数存储在CodeGenerationArguments的属性配置．

cfArgs = configuration . codegenerationarguments;codegen (cfArgs {}):

                   

                  

                 

                 

                

               

              

             

             

              
              
             

            

           

           

            
输入参数

            

             
全部折叠

             

              

               

                

                 
                 

                  

                   
机器学习模型的编码器配置器，指定为使用创建的编码器配置器对象learnerCoderConfigurer．

                   

                    

                     
                      
                     
                     
                      
                     
                     
                      

                       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元分类
                       ClassificationSVMCoderConfigurer
                      

                      

                       二元分类的线性模型
                       ClassificationLinearCoderConfigurer
                      

                      

                       支持向量机和线性模型的多类模型
                       ClassificationECOCCoderConfigurer
                      

                      

                       用于回归的二叉决策树
                       RegressionTreeCoderConfigurer
                      

                      

                       金宝app支持向量机(SVM)回归
                       RegressionSVMCoderConfigurer
                      

                      

                       线性回归
                       RegressionLinearCoderConfigurer
                      

                     
                    

                   

                  

                 

                

               

              

              

               

                

                 
                 

                  

                   
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或相对路径。

                   

                    
    
                     
  • 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在指定文件夹中搜索四个MATLAB文件:predict.m，update.m，initialize.m，以及一个包含机器学习模型信息的mat文件。如果文件夹中不存在这四个文件，那么generateFiles生成文件。否则,generateFiles不生成任何MATLAB文件。

                   
例子:“C: \ myfile”

                   
数据类型:字符|字符串

                  

                 

                

               

              

             

            

           

           

            
选择功能

            

             
    
              
  • 要自定义代码生成工作流，请使用generateFiles和codegen．如果您不需要定制您的工作流，请使用generateCode．另外生成的四个MATLAB文件由generateFiles,generateCode函数也会生成C/ c++代码。
    • 
             

            

           

           

            
另请参阅

            
|||

            

             
主题

             
            

           

           

            
在R2018b中引入

           

          

         

         
         

         

          
         

        

        
        
        
       

      

     

    

   

   
   

    

     

      

       

        
       

      

     

    

   

   
   
   

    

     

      

       

        

         
统计和机器学习工具箱文档

         
        

        

         
金宝app

         
        

        

         
         

          

           
           
试试MATLAB、Sim金宝appulink和其他产品下载188bet金宝搏

           
现在就去审判吧