Jedes trainierte Modell als eigenständigen Code exportieren
Ein trainiertes Modell ist erst dann nützlich, wenn es die Desktop-App verlassen hat und irgendwo real läuft - auf einem Mikrocontroller, in einem Simulink-Block oder in einem Python-Analyseskript. Jedes Modell, das beim Virtuellen Sensor trainieren entstanden ist oder aus einer Modellwettbewerb- Bestenliste ausgewählt wurde, kann direkt exportiert werden, ganz ohne separates Konvertierungswerkzeug.
C, C++, Python oder MATLAB - das Ziel wählen, keine Konvertierungs-Pipeline
Das Exportformat ist ein Dropdown, kein separates Exportwerkzeug und kein Format-Konvertierungsschritt: C für einen reinen MCU-Build, C++, wenn Sie eine klassenbasierte Schnittstelle wollen, Python für ein schnelles Analyseskript oder einen Dienst, oder MATLAB, um es direkt in einen Simulink-Block einzusetzen. Der exportierte Code ist eine eigenständige Implementierung der Vorhersagefunktion des Modells - keine Abhängigkeit von Data Sensors, keine Laufzeitbibliothek, gegen die gelinkt werden müsste.
Volle Genauigkeit oder int8-quantisiert, mit Live-Vorschau vor dem Speichern
Jeder Export kann in voller Genauigkeit oder int8-quantisiert erfolgen, und der Dialog zeigt für beide Varianten eine Live-Schätzung von Größe und Genauigkeit, bevor Sie sich festlegen - sodass die Entscheidung zwischen "passt in 4 KB Flash" und "entspricht exakt der Genauigkeit zum Trainingszeitpunkt" anhand echter Zahlen getroffen wird, nicht erst im Nachhinein, wenn die Datei schon auf der Festplatte liegt.
Nicht nur der Gewinner - jeder Bestenlisten-Eintrag exportierbar
Stammt ein Modell aus einem Modellwettbewerb-Lauf, ist der Export nicht auf den bestplatzierten Eintrag beschränkt - vielleicht läuft ein etwas weniger genauer Random Forest schneller auf Ihrer Zielhardware, oder ein kleineres neuronales Netz passt besser in Ihr Flash-Budget. Jeder Eintrag der Bestenliste kann einzeln exportiert werden, unabhängig von den anderen.
Ein exportiertes Modell wieder zurückholen
Haben Sie bereits ein Modell, das in einer früheren Sitzung nach C, C++ oder Python exportiert wurde? Virtueller Sensor > Virtuellen Sensor importieren... holt es zurück - wählen Sie die Datei aus (und, für C/C++, einen Compiler, automatisch erkannt mit manuellem Fallback), ordnen Sie einmalig seine Eingangskanäle in der Reihenfolge zu, in der das Modell ursprünglich trainiert wurde, und es läuft direkt gegen die aktuell geladene Messung, hinzugefügt als gewöhnliches, darstellbares Signal. Kein erneutes Training, und Sie müssen nicht mehr über die ursprüngliche Sitzung verfügen, die es trainiert hat.