saveLearnerForCoder
将模型对象保存在文件中,以便代码生成
描述
为机器学习模型的对象函数生成C/ c++代码预测
,随机
,knnsearch
,rangesearch
,isanomaly
,和增量学习函数),使用saveLearnerForCoder
,loadLearnerForCoder
,codegen
(MATLAB编码器).在训练一个机器学习模型后,通过使用保存该模型saveLearnerForCoder
.定义通过使用加载模型的入口点函数loadLearnerForCoder
并调用一个对象函数。然后使用codegen
或者是MATLAB®编码器™应用程序生成C/ c++代码。生成C/ c++代码需要MATLAB编码器.
这个流程图展示了机器学习模型的目标函数的代码生成工作流程。使用saveLearnerForCoder
对于突出显示的步骤。
定点C/ c++代码生成需要一个额外的步骤,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。生成定点C/ c++代码需要MATLAB编码器定点设计器™。
的定点代码生成工作流预测
机器学习模型的功能。使用saveLearnerForCoder
对于突出显示的步骤。
saveLearnerForCoder (
准备一个模型(Mdl
,文件名
)Mdl
)进行代码生成,并将其保存在MATLAB格式的二进制文件(MAT-file)中命名文件名
.你可以通过文件名
来loadLearnerForCoder
方法重新构造模型对象文件名
文件。
例子
输入参数
算法
saveLearnerForCoder
准备一个机器学习模型(Mdl
)以生成程式码。该函数删除了一些不必要的属性。
对于具有相应紧凑模型的模型,
saveLearnerForCoder
函数应用适当的紧凑的
函数,然后保存模型。对于没有相应紧凑模型的模型,例如
ClassificationKNN
,ClassificationLinear
,RegressionLinear
,ExhaustiveSearcher
,KDTreeSearcher
,IsolationForest
,saveLearnerForCoder
函数删除属性,如超参数优化属性、训练求解器信息等。
loadLearnerForCoder
加载保存的模型saveLearnerForCoder
.
选择功能
使用创建的编码器配置器
learnerCoderConfigurer
对于表中列出的型号。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
万博1manbetx支持向量机(SVM)回归 RegressionSVMCoderConfigurer
线性回归 RegressionLinearCoderConfigurer
在训练机器学习模型之后,创建模型的编码器配置器。对象的对象函数和属性可配置代码生成选项,并为
预测
而且更新
模型的功能。如果使用编码器配置器生成代码,则可以在生成的代码中更新模型参数,而不必重新生成代码。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.
版本历史
R2019b引入