Восстановите объект модели из сохраненной модели для генерации кода
Сгенерировать код C/C + + для объектных функций моделей машинного обучения ( в том числеpredict, random, knnsearch, rangesearch, и функции инкрементного обучения), использование saveLearnerForCoder, loadLearnerForCoder, и codegen (MATLAB Coder). После обучения модели машинного обучения сохраните модель при помощи saveLearnerForCoder. Задайте функцию точки входа, которая загружает модель при помощи loadLearnerForCoder и вызывает функцию объекта. Затем используйте codegen или MATLAB® Coder™ приложение, чтобы сгенерировать код C/C + +. Для генерации кода C/C + + требуется MATLAB Coder.
Для функций, которые поддерживают генерацию кода C/C + + с одной точностью, используйтеsaveLearnerForCoder, loadLearnerForCoder, и codegen (MATLAB Coder); задайте аргумент имя-значение 'DataType','single' когда вы вызываете loadLearnerForCoder функция.
Этот график потока показывает рабочий процесс генерации кода для объекта функций моделей машинного обучения. Использовать loadLearnerForCoder для выделенного шага.
Генерация кода C/C + + с фиксированной точкой требует дополнительного шага, который определяет типы данных с фиксированной точкой переменных, необходимых для предсказания. Создайте структуру типа данных с фиксированной точкой с помощью функции типа данных, сгенерированной generateLearnerDataTypeFcn, и используйте структуру в качестве входного параметра loadLearnerForCoder в функции точки входа. Для генерации кода C/C + + с фиксированной точкой требуется MATLAB Coder и Fixed-Point Designer™.
Этот график потока показывает рабочий процесс генерации кода с фиксированной точкой для predict функция модели машинного обучения. Использовать loadLearnerForCoder для выделенного шага.
Mdl = loadLearnerForCoder(filename)Mdl) из модели, сохраненной в форматированном двоичном файле MATLAB (MAT-файл) с именем filename. Вы должны создать filename файл при помощи saveLearnerForCoder.
Mdl = loadLearnerForCoder(filename,'DataType',T)filename. Структура T содержит поля, которые задают типы данных с фиксированной точкой для переменных, необходимых для использования predict функция модели. Создание T использование функции, сгенерированной generateLearnerDataTypeFcn.
Используйте этот синтаксис в функции точки входа и используйте codegen чтобы сгенерировать код с фиксированной точкой для функции точки входа. Использовать этот синтаксис можно только при генерации кода.
Для генерации кода с одной точностью для модели регрессии Гауссова процесса (GPR), создайте модель при помощи fitrgp(X,Y,'Standardize',1).
saveLearnerForCoder готовит модель машинного обучения (Mdl) для генерации кода. Функция удаляет некоторые ненужные свойства.
Для модели, которая имеет соответствующую компактную модель, saveLearnerForCoder функция применяет соответствующее compact функцию к модели перед ее сохранением.
Для модели, которая не имеет соответствующей компактной модели, такой как ClassificationKNN, ClassificationLinear, RegressionLinear, ExhaustiveSearcher, и KDTreeSearcher, saveLearnerForCoder функция удаляет такие свойства, как свойства оптимизации гипероптимизации параметров управления, обучающая информация решателя и другие.
loadLearnerForCoder загружает модель, сохраненную saveLearnerForCoder.
Используйте конфигуратор кодера, созданный learnerCoderConfigurer для моделей, перечисленных в этой таблице.
| Модель | Объект конфигуратора кодера |
|---|---|
| Двоичное дерево принятия решений для многоклассовой классификации | ClassificationTreeCoderConfigurer |
| SVM для одноклассовой и двоичной классификации | ClassificationSVMCoderConfigurer |
| Линейная модель для двоичной классификации | ClassificationLinearCoderConfigurer |
| Многоклассовая модель для SVM и линейных моделей | ClassificationECOCCoderConfigurer |
| Двоичное дерево решений для регрессии | RegressionTreeCoderConfigurer |
| Машина опорных векторов (SVM) | RegressionSVMCoderConfigurer |
| Линейная регрессия | RegressionLinearCoderConfigurer |
После обучения модели машинного обучения создайте конфигуратор кодера модели. Используйте функции объекта и свойства конфигуратора, чтобы сконфигурировать опции генерации кода и сгенерировать код для predict и update функций модели. Если вы генерируете код с помощью конфигуратора кодера, можно обновить параметры модели в сгенерированном коде, не регенерируя код. Для получения дополнительной информации смотрите Генерация кода для предсказания и Обновление с использованием Coder Configurer.
generateLearnerDataTypeFcn | saveLearnerForCoder | codegen (MATLAB CODER)