MATLAB®编码器™从支持代码生成的统计和机器学习工具箱™函数生成可读和可移植的C和c++代码。万博1manbetx您可以将生成的代码作为源代码、静态库或动态库集成到项目中。您还可以在MATLAB环境中使用生成的代码来加速MATLAB代码的计算密集型部分。
生成C/ c++代码需要MATLAB编码器并具有以下局限性:
使用生成代码时,不能在顶层调用任何函数codegen
(MATLAB编码器).方法中调用该函数入口点函数,然后从入口点函数生成代码。入口点函数,也称为顶级或主要的函数,是为代码生成而定义的函数。入口点函数中的所有函数都必须支持代码生成。万博1manbetx
的MATLAB编码器限制也适用于统计和机器学习工具箱的代码生成。详细信息请参见支持C/ c++代码生成的MATLAB语言特性万博1manbetx(MATLAB编码器).
“统计和机器学习工具箱”中的代码生成不支持稀疏矩阵。万博1manbetx
有关每个函数的代码生成使用说明和限制,请参阅函数参考页上的代码生成部分。
有关支持代码生成的“统计和机器学习工具箱”函数的列表,请参见万博1manbetx函数列表(C/ c++代码生成).
可以通过几种方式为统计和机器学习工具箱函数生成C/ c++代码。
非机器学习模型的目标函数的通用代码生成工作流
定义一个入口点函数调用支持代码生成的函数,生成C/ c++代码的入口点函数通过使用万博1manbetxcodegen
(MATLAB编码器),然后验证生成的代码。入口点函数,也称为顶级或主要的函数,是为代码生成而定义的函数。因为您不能在顶层使用codegen
,必须定义一个入口点函数。入口点函数中的所有函数都必须支持代码生成。万博1manbetx
详细信息请参见通用代码生成工作流程.
机器学习模型的目标函数的代码生成工作流(包括预测
,随机
,knnsearch
,rangesearch
,以及增量学习对象函数)
通过使用保存一个训练好的模型saveLearnerForCoder
,并定义一个入口点函数,该函数通过使用加载保存的模型loadLearnerForCoder
并调用对象函数。然后使用生成入口点函数的代码codegen
(MATLAB编码器),并验证生成的代码。入口点函数的输入参数不能是分类或回归模型对象。因此,您需要通过使用saveLearnerForCoder
而且loadLearnerForCoder
.
您还可以生成用于分类和回归的机器学习模型预测的单精度C/ c++代码。对于单精度代码生成,指定名称-值对参数“数据类型”、“单”
的附加输入loadLearnerForCoder
函数。
具体请参见示例
您还可以生成用于预测支持向量机(SVM)模型、决策树模型和用于分类和回归的决策树集合的定点C/ c++代码。万博1manbetx这种类型的代码生成需要定点设计器™。
定点代码生成需要一个额外的步骤,该步骤定义预测所需变量的定点数据类型。通过使用生成的数据类型函数创建定点数据类型结构generateLearnerDataTypeFcn
,并使用结构作为的输入参数loadLearnerForCoder
在一个入口函数中。您还可以在生成代码之前优化定点数据类型。
详细信息请参见支持向量机预测的定点代码生成.
代码生成工作流预测
而且更新
使用支持向量机或线性二元学习器的树模型、支持向量机模型、线性模型或多类纠错输出码(ECOC)分类模型的函数
训练一个模型后,通过使用创建一个编码器配置器learnerCoderConfigurer
,通过使用生成代码generateCode
,然后验证生成的代码。您可以配置代码生成选项,并使用对象属性指定模型参数的编码器属性。在您使用新的数据或设置重新训练模型之后,您可以在生成的C/ c++代码中更新模型参数,而不必重新生成代码。该特性减少了重新生成、重新部署和重新验证C/ c++代码所需的工作。
详细信息请参见使用编码器配置器预测和更新的代码生成.
将机器学习模型的预测集成到Simulink中万博1manbetx®,使用MATLAB函数块或统计和机器学习工具箱库中的Simulink块。万博1manbetx具体请参见以下示例:
统计和机器学习工具箱函数的代码生成还可以与其他工具箱(如System object™和Stateflow)一起使用®,如以下例子所述:
有关代码生成的更多应用,请参阅以下示例:
codegen
(MATLAB编码器)|saveLearnerForCoder
|loadLearnerForCoder
|learnerCoderConfigurer
|generateLearnerDataTypeFcn