Сохранить объект модели в файле для создания кода
Создание кода C/C + + для объектных функций моделей машинного обучения ( в т.ч.predict, random, knnsearch, rangesearchи инкрементные функции обучения), saveLearnerForCoder, loadLearnerForCoder, и codegen (Кодер MATLAB). После обучения модели машинного обучения сохраните модель с помощью saveLearnerForCoder. Определение функции точки входа, которая загружает модель с помощью loadLearnerForCoder и вызывает функцию объекта. Затем использовать codegen или приложение MATLAB ® Coder™ для создания кода C/C + +. Для создания кода C/C + + требуется кодер MATLAB.
На этой блок-схеме показан рабочий процесс создания кода для объектных функций моделей машинного обучения. Использовать saveLearnerForCoder для выделенного шага.
Генерация кода C/C + + с фиксированной точкой требует дополнительного шага, который определяет типы данных с фиксированной точкой переменных, необходимых для прогнозирования. Создание структуры типа данных с фиксированной точкой с помощью функции типа данных, созданной generateLearnerDataTypeFcnи использовать структуру в качестве входного аргумента loadLearnerForCoder в функции точки входа. Для создания кода C/C + + с фиксированной точкой требуется кодер MATLAB и Designer™ с фиксированной точкой.
На этой блок-схеме показан рабочий процесс создания кода с фиксированной точкой для predict функция модели машинного обучения. Использовать saveLearnerForCoder для выделенного шага.
saveLearnerForCoder( готовит классификационную модель, регрессионную модель или ближайший соседний поисковик (Mdl,filename)Mdl) для создания кода и сохраняет его в форматированном двоичном файле MATLAB (MAT-файл) с именем filename. Вы можете пройти filename кому loadLearnerForCoder для реконструкции объекта модели из filename файл.
saveLearnerForCoder готовит модель машинного обучения (Mdl) для генерации кода. Функция удаляет некоторые ненужные свойства.
Для модели, имеющей соответствующую компактную модель, saveLearnerForCoder функция применяет соответствующие compact перед сохранением в модели.
Для модели, не имеющей соответствующей компактной модели, например ClassificationKNN, ClassificationLinear, RegressionLinear, ExhaustiveSearcher, и KDTreeSearcher, saveLearnerForCoder функция удаляет такие свойства, как свойства оптимизации гиперпараметров, сведения об обучающем решателе и другие.
loadLearnerForCoder загружает модель, сохраненную saveLearnerForCoder.
Использовать конфигуратор кодера, созданный learnerCoderConfigurer для моделей, перечисленных в этой таблице.
| Модель | Объект конфигуратора кодера |
|---|---|
| Двоичное дерево решений для многоклассовой классификации | ClassificationTreeCoderConfigurer |
| SVM для одноклассной и двоичной классификации | ClassificationSVMCoderConfigurer |
| Линейная модель для двоичной классификации | ClassificationLinearCoderConfigurer |
| Многоклассовая модель для SVM и линейных моделей | ClassificationECOCCoderConfigurer |
| Двоичное дерево решений для регрессии | RegressionTreeCoderConfigurer |
| Регрессия вектора поддержки (SVM) | RegressionSVMCoderConfigurer |
| Линейная регрессия | RegressionLinearCoderConfigurer |
После обучения модели машинного обучения создайте конфигуратор кодера модели. Используйте функции объекта и свойства конфигуратора для конфигурирования опций генерации кода и создания кода для predict и update функции модели. При создании кода с помощью конфигуратора кодера можно обновить параметры модели в сгенерированном коде без необходимости регенерации кода. Дополнительные сведения см. в разделе Создание кода для прогнозирования и обновления с помощью конфигуратора кодера.
generateLearnerDataTypeFcn | loadLearnerForCoder | codegen (кодер MATLAB)