Main Content

Generación de código

Genere código C/C++ y funciones MEX para las funciones de Statistics and Machine Learning Toolbox™

MATLAB® Coder™ genera código C y C++ portátil y legible a partir de las funciones de Statistics and Machine Learning Toolbox compatibles con la generación de código. Por ejemplo, puede clasificar nuevas observaciones en dispositivos de hardware que no pueden ejecutar MATLAB mediante la implementación de un modelo de clasificación de máquina de vectores de soporte (SVM, por sus siglas en inglés) entrenado en el dispositivo que utiliza la generación de código.

Puede generar código C/C++ para estas funciones de varias maneras:

  • Utilice saveLearnerForCoder, loadLearnerForCoder y codegen (MATLAB Coder) para una función de objeto de un modelo de machine learning.

  • Utilice un configurador de codificadores creado por learnerCoderConfigurer para las funciones de objeto predict y update de un modelo de machine learning. Configure las opciones de generación de código mediante el configurador y actualice los parámetros del modelo en el código generado.

  • Utilice codegen para otras funciones compatibles con la generación de código.

También puede generar código C/C++ de punto fijo para la predicción de algunos modelos de machine learning. Este tipo de generación de código requiere Fixed-Point Designer™.

Para integrar la predicción de un modelo de machine learning en Simulink®, utilice un bloque de funciones de MATLAB o los bloques de Simulink de la biblioteca de Statistics and Machine Learning Toolbox.

Para obtener información sobre la generación de código, consulte Introduction to Code Generation.

Para obtener una lista de las funciones compatibles con la generación de código, consulte Lista de funciones (generación de código C/C++).

Funciones

expandir todo

saveLearnerForCoderSave model object in file for code generation (desde R2019b)
loadLearnerForCoderReconstruct model object from saved model for code generation (desde R2019b)
generateLearnerDataTypeFcnGenerate function that defines data types for fixed-point code generation (desde R2019b)

Crear un objeto de configurador de codificadores

learnerCoderConfigurerCreate coder configurer of machine learning model

Trabajar con un objeto de configurador de codificadores

generateCodeGenerate C/C++ code using coder configurer
generateFilesGenerate MATLAB files for code generation using coder configurer
validatedUpdateInputsValidate and extract machine learning model parameters to update
updateUpdate model parameters for code generation

Objetos

expandir todo

ClassificationTreeCoderConfigurerCoder configurer of binary decision tree model for multiclass classification (desde R2019b)
ClassificationSVMCoderConfigurerCoder configurer for support vector machine (SVM) for one-class and binary classification
ClassificationLinearCoderConfigurerCoder configurer for linear binary classification of high-dimensional data (desde R2019b)
ClassificationECOCCoderConfigurerCoder configurer for multiclass model using binary learners (desde R2019a)
RegressionTreeCoderConfigurerCoder configurer of binary decision tree model for regression (desde R2019b)
RegressionSVMCoderConfigurerCoder configurer for support vector machine (SVM) regression model
RegressionLinearCoderConfigurerCoder configurer for linear regression model with high-dimensional data (desde R2019b)

Bloques

expandir todo

ClassificationECOC PredictClassify observations using error-correcting output codes (ECOC) classification model (desde R2023a)
ClassificationEnsemble PredictClassify observations using ensemble of decision trees (desde R2021a)
ClassificationKNN PredictClassify observations using nearest neighbor classification model (desde R2022b)
ClassificationLinear PredictClassify observations using linear classification model (desde R2023a)
ClassificationNaiveBayes PredictClassify observations using naive Bayes model (desde R2023b)
ClassificationNeuralNetwork PredictClassify observations using neural network classification model (desde R2021b)
ClassificationSVM PredictClassify observations using support vector machine (SVM) classifier for one-class and binary classification (desde R2020b)
ClassificationTree PredictClassify observations using decision tree classifier (desde R2021a)
RegressionEnsemble PredictPredict responses using ensemble of decision trees for regression (desde R2021a)
RegressionGP PredictPredict responses using Gaussian process (GP) regression model (desde R2022a)
RegressionLinear PredictPredecir respuestas usando el modelo de regresión lineal (desde R2023a)
RegressionNeuralNetwork PredictPredict responses using neural network regression model (desde R2021b)
RegressionSVM PredictPredecir las respuestas mediante un modelo de regresión de máquina de vectores de soporte (SVM) (desde R2020b)
RegressionTree PredictPredict responses using regression tree model (desde R2021a)
IncrementalClassificationLinear PredictClassify observations using incremental linear classification model (desde R2023b)
IncrementalClassificationLinear FitFit incremental linear binary classification model (desde R2023b)
IncrementalRegressionLinear PredictPredict responses using incremental linear regression model (desde R2023b)
IncrementalRegressionLinear FitFit incremental linear regression model (desde R2023b)
Update MetricsUpdate performance metrics in incremental learning model given new data (desde R2023b)
KNN SearchFind k-nearest neighbors using searcher object (desde R2023b)

Temas

Flujos de trabajo de generación de código

Bloques de predicción de clasificación y regresión

Bloques de aprendizaje incremental

Bloques de análisis de clusters

Aplicaciones de generación de código