用途：从 AI 模型生成可部署的 C/C++ 或 CUDA 代码，适用于将 PyTorch（.pt2）或 LiteRT/TFLite（.tflite）模型集成到 MATLAB、Simulink 或硬件部署的场景，仅用于推理代码生成，不涉及训练或微调。
主要能力：支持 PyTorch .pt2（loadPyTorchExportedProgram）与 LiteRT .tflite（loadLiteRTModel），均为 R2026a+；可生成 CPU MEX、CUDA MEX、库、DLL 或可执行文件；支持 Simulink 集成与数值验证。
使用方式：先加载并检查模型输入输出规格，编写 codegen 兼容的入口函数（模型路径须用 coder.Constant 包裹），验证数值后先生成 MEX，再生成生产代码。CPU MEX 示例：cfg = coder.config("mex"); codegen -config cfg -args {coder.Constant("model_file"), input} entryPoint。CUDA MEX 使用 coder.gpuConfig("mex")。库/可执行文件使用 coder.config("lib")、coder.config("dll") 或 coder.config("exe")，CUDA 变体替换为 coder.gpuConfig。Simulink 可使用 dlosslib 的 PyTorch ExportedProgram 块，设置 ModelFilePath 即可自动检测输入输出形状。
限制：不适用于通用 MATLAB Coder 用法、可编辑 dlnetwork 工作流（量化、压缩、迁移学习）或训练微调；这些应改用 importNetworkFromPyTorch 等或 matlab-deploy-embedded-ai。嵌入式部署需 Embedded Coder。输入数据通常为单精度，需按模型规格确认。具体性能调优与更多细节见相关参考文档。