トレーニング済みのあらゆるモデルを独立コードへエクスポート
トレーニングされたモデルは、デスクトップアプリから飛び出し、MCU上や、Simulink ブロック内、あるいはPythonの分析スクリプト内など、実際の場所で動作して初めて役に立ちます。 仮想センサートレーニングでトレーニングした、あるいは モデルコンペティションのランキングから選んだモデルは、別途の変換 ツールなしで直接エクスポートできます。
C、C++、Python、MATLAB - 変換パイプラインではなくターゲットを選ぶだけ
エクスポート形式は、別途のエクスポートツールや形式変換ステップではなく、単なるドロップダウン 選択です: ベアメタルのMCUビルドにはC、クラスベースのインターフェースが欲しい場合はC++、簡単な 分析スクリプトやサービスにはPython、Simulinkブロックにそのまま組み込むにはMATLABを選べます。 エクスポートされたコードは、モデルの予測関数を自己完結的に実装したものです - Data Sensorsへの 依存も、リンクが必要なランタイムライブラリも一切ありません。
フル精度またはint8量子化 - 保存前にライブプレビューを確認
すべてのエクスポートはフル精度またはint8量子化のいずれかを選択でき、ダイアログにはどちらを 選ぶかを決める前に、両方のライブなサイズ・精度の見積もりが表示されます。「フラッシュ4 KBに 収まる」のか「トレーニング時の精度と完全に一致する」のかという判断を、ファイルがすでにディスク に書き出された後ではなく、実際の数値を見ながら行えます。
勝者だけでなく - ランキング上の任意のエントリをエクスポート
モデルがモデルコンペティションの実行から得られたものである 場合、エクスポートは1位にランクされたエントリだけに限定されません - 精度がわずかに劣るランダム フォレストのほうがターゲットハードウェア上で高速だったり、より小さなニューラルネットワークの ほうがフラッシュ容量の予算に合っていたりすることもあります。ランキング上のすべてのエントリは、 他のエントリとは独立して、それぞれ単独でエクスポートできます。
エクスポート済みモデルを再度インポート
以前のセッションでC、C++、またはPythonにエクスポート済みのモデルがすでにありますか?「仮想 センサー > 仮想センサーをインポート...」でそれを再度取り込めます - ファイルを選択し(C/C++の 場合はコンパイラも選択します。自動検出と手動でのフォールバックに対応)、モデルが元々トレーニング された順序で入力チャンネルを一度マッピングすれば、現在読み込まれている測定データに対して直接 実行され、通常のプロット可能な信号として追加されます。再トレーニングは不要で、トレーニングに 使った元のセッションを保持しておく必要もありません。