Восстановите объект модели из сохраненной модели для генерации кода
Сгенерировать код C/C++ для объектных функций (predict
, random
, knnsearch
, или rangesearch
) из моделей машинного обучения использовать saveLearnerForCoder
, loadLearnerForCoder
, и codegen
(MATLAB Coder). После обучения модель машинного обучения сохраните модель при помощи saveLearnerForCoder
. Задайте функцию точки входа, которая загружает модель при помощи loadLearnerForCoder
и вызывает объектную функцию. Затем используйте codegen
или приложение MATLAB® Coder™, чтобы сгенерировать код C/C++. Генерация кода C/C++ требует MATLAB Coder.
Сгенерировать код C/C++ с одинарной точностью для объектной функции predict
из моделей машинного обучения использовать saveLearnerForCoder
, loadLearnerForCoder
, и codegen
(MATLAB Coder). Для генерации кода с одинарной точностью задайте аргумент пары "имя-значение" 'DataType','single'
как дополнительный вход к loadLearnerForCoder
функция.
Эта блок-схема показывает рабочий процесс генерации кода для объектных функций моделей машинного обучения. Использование loadLearnerForCoder
для подсвеченного шага.
Генерация кода C/C++ фиксированной точки требует дополнительного шага, который задает типы данных с фиксированной точкой переменных, требуемых для предсказания. Создайте структуру типа данных с фиксированной точкой при помощи функции типа данных, сгенерированной generateLearnerDataTypeFcn
, и используйте структуру в качестве входного параметра loadLearnerForCoder
в функции точки входа. При генерации фиксированной точки код C/C++ требует MATLAB Coder и Fixed-Point Designer™.
Эта блок-схема показывает рабочий процесс генерации фиксированной точки для predict
функция модели машинного обучения. Использование loadLearnerForCoder
для подсвеченного шага.
восстанавливает модель классификации, модель регрессии или самого близкого соседнего искателя (Mdl
= loadLearnerForCoder(filename
)Mdl
) из модели, сохраненной в MATLAB, отформатировал двоичный файл (MAT-файл) под названием filename
. Необходимо создать filename
файл при помощи saveLearnerForCoder
.
возвращает версию фиксированной точки модели, сохраненной в Mdl
= loadLearnerForCoder(filename
,'DataType',T
)filename
. Структура T
содержит поля, которые задают типы данных с фиксированной точкой для переменных, требуемых использовать predict
функция модели. Создайте T
использование функции, сгенерированной generateLearnerDataTypeFcn
.
Используйте этот синтаксис в функции точки входа и использование codegen
сгенерировать фиксированную точку для функции точки входа. Можно использовать этот синтаксис только при генерации кода.
Для генерации кода с одинарной точностью для модели Gaussian process regression (GPR) создайте модель при помощи fitrgp(X,Y,'Standardize',1)
.
saveLearnerForCoder
готовит модель машинного обучения (Mdl
) для генерации кода. Функция удаляет некоторые свойства, которые не требуются для предсказания.
Для модели, которая имеет соответствующую компактную модель, saveLearnerForCoder
функция применяет соответствующее compact
функционируйте к модели прежде, чем сохранить его.
Для модели, которая не имеет соответствующей компактной модели, такой как ClassificationKNN
, ClassificationLinear
, RegressionLinear
, ExhaustiveSearcher
, и KDTreeSearcher
, saveLearnerForCoder
функция удаляет свойства, такие как свойства гипероптимизации параметров управления, учебная информация о решателе и другие.
loadLearnerForCoder
загружает модель, сохраненную saveLearnerForCoder
.
Используйте кодер configurer созданный learnerCoderConfigurer
для моделей, перечисленных в этой таблице.
Модель | Объект кодера Конфигурера |
---|---|
Дерево выбора из двух альтернатив для классификации мультиклассов | ClassificationTreeCoderConfigurer |
SVM для и бинарной классификации одного класса | ClassificationSVMCoderConfigurer |
Линейная модель для бинарной классификации | ClassificationLinearCoderConfigurer |
Модель Multiclass для SVMs и линейные модели | ClassificationECOCCoderConfigurer |
Дерево выбора из двух альтернатив для регрессии | RegressionTreeCoderConfigurer |
Регрессия машины опорных векторов (SVM) | RegressionSVMCoderConfigurer |
Линейная регрессия | RegressionLinearCoderConfigurer |
После обучения модель машинного обучения создайте кодер configurer модели. Используйте объектные функции и свойства configurer сконфигурировать опции генерации кода и сгенерировать код для predict
и update
функции модели. Если вы генерируете код с помощью кодера configurer, можно обновить параметры модели в сгенерированном коде, не имея необходимость регенерировать код. Для получения дополнительной информации смотрите Генерацию кода для Предсказания и Обновления Используя Кодер Конфигурера.
generateLearnerDataTypeFcn
| saveLearnerForCoder
| codegen
(MATLAB Coder)