نشر نماذج الذكاء الاصطناعي
توليد الكود والأنظمة المدمجة والحافة
Code Generation, Embedded Systems and Edge AI
كتابة كود MATLAB قابل للتوليد، وتحديد أنواع المدخلات بـ coder.typeof، وتوليد مكتبة C، والنشر على Raspberry Pi وNVIDIA Jetson والمتحكمات الدقيقة.
ستتعلم في هذا الدرس
- معرفة قيود الكود القابل للتوليد
- توليد كود C لدالة تنبؤ بـ codegen
- التحقق من تطابق الكود المولّد مع MATLAB (SIL)
- اختيار العتاد المناسب للحافة
دالة متوافقة مع التوليد
function label = knnClassify(x, Xtrain, ytrain) %#codegen
%KNNCLASSIFY أقرب جار واحد بكود متوافق مع MATLAB Coder: أحجام ثابتة ولا cell ولا دوال غير مدعومة
n = size(Xtrain, 1);
best = inf; label = ytrain(1);
for i = 1:n
d = 0;
for j = 1:size(Xtrain, 2)
d = d + (Xtrain(i, j) - x(j))^2;
end
if d < best
best = d; label = ytrain(i);
end
end
endXtrain = [1 1; 1 2; 5 5; 6 5];
ytrain = [1; 1; 2; 2];
queries = [1.2 1.4; 5.5 4.8; 3 3];
for k = 1:size(queries, 1)
fprintf('x = %s -> class %d\n', mat2str(queries(k, :)), knnClassify(queries(k, :), Xtrain, ytrain));
endx = [1.2 1.4] -> class 1 x = [5.5 4.8] -> class 2 x = [3 3] -> class 1
توليد كود C
cfg = coder.config('lib');
cfg.TargetLang = 'C';
argX = coder.typeof(0, [1 2]); % متجه صف 1x2 من double
argXt = coder.typeof(0, [100 2], [1 0]); % حتى 100 صف (حجم متغير في البعد الأول)
argY = coder.typeof(0, [100 1], [1 0]);
codegen knnClassify -args {argX, argXt, argY} -config cfg -report
% اختبار MEX مقابل MATLAB قبل النشر:
codegen knnClassify -args {argX, argXt, argY} -config:mex
assert(isequal(knnClassify_mex([1.2 1.4], Xtrain, ytrain), knnClassify([1.2 1.4], Xtrain, ytrain)));يتطلب هذا الكود: MATLAB Coder. لم يُشغَّل في بيئة إعداد الدرس لعدم توفر الـ Toolbox، لذلك لا نعرض أرقاماً من عندنا؛ شغّله في MATLAB لديك وقارن النتائج.
يحتاج MATLAB Coder ومترجم C مدعوم. التقرير (-report) يبين أي سطر يمنع التوليد.
النشر على عتاد الحافة
| العتاد | المسار | ملاحظات |
|---|---|---|
| Raspberry Pi | MATLAB Coder + MATLAB Support Package for Raspberry Pi Hardware | مناسب لنماذج تعلم الآلة الصغيرة والشبكات المضغوطة |
| NVIDIA Jetson | GPU Coder + MATLAB Coder Support Package for NVIDIA Jetson | CUDA وTensorRT لشبكات الرؤية |
| متحكمات ARM Cortex-M | Embedded Coder + مكتبات CMSIS | نماذج صغيرة جداً وتكميم int8 |
| FPGA | Deep Learning HDL Toolbox | زمن تأخير منخفض وثابت |
hwobj = jetson('jetson-ip', 'username', 'password'); % الاتصال بالجهاز
cfg = coder.gpuConfig('exe');
cfg.Hardware = coder.hardware('NVIDIA Jetson');
cfg.DeepLearningConfig = coder.DeepLearningConfig('tensorrt');
cfg.GenerateExampleMain = 'GenerateCodeAndCompile';
codegen -config cfg myPredict -args {ones(224,224,3,'single')} -reportيتطلب هذا الكود: GPU Coder، MATLAB Coder. لم يُشغَّل في بيئة إعداد الدرس لعدم توفر الـ Toolbox، لذلك لا نعرض أرقاماً من عندنا؛ شغّله في MATLAB لديك وقارن النتائج.
myPredict دالة تحمّل الشبكة بـ coder.loadDeepLearningNetwork وتتنبأ. لا تكتب كلمات المرور في الكود المحفوظ؛ استخدم متغيرات البيئة.
خلاصة الدرس
- الكود القابل للتوليد يتجنب: تغيير نوع المتغير، والـ cell غير المتجانسة، والدوال غير المدعومة، والإدخال التفاعلي.
- %#codegen يفعّل فحص التوافق في المحرر.
- coder.typeof يحدد الحجم والنوع، وcoder.Constant للقيم الثابتة.
- codegen -config:lib ينتج مكتبة C؛ وcodegen -config:mex ينتج MEX للاختبار داخل MATLAB.
- الحافة: ذاكرة ومعالجة محدودتان، فالضغط والتكميم مهمان.
شُغّل test_knnClassify.m مع knnClassify.m في GNU Octave 8.4. أمثلة codegen تحتاج MATLAB Coder ولم تُشغّل.
المتطلبات البرمجية
- MATLAB
- MATLAB Coder
- GPU Coder
بعض هذه الأدوات (Toolboxes) تُرخَّص منفصلة عن MATLAB. تحقق من توفرها بالأمر ver في Command Window.
