Matlab 2020b 组件信息01：Matlab

lotusloli

不知不觉中，Matlab的安装文件越来越大了，并且内部包含的组件较之过去也复杂了许多。安装过程中，全部安装(╮(╯▽╰)╭)并非不可以，但既然有选择组件的选项，便总不乏有人希望弄明白自己到底安装了什么东西。一者，可以满足自己的好奇；再者，也可以稍微减少安装软件占用的空间。

博客上关于选取组件的内容很少，不过官网上有完整的组件说明文档，并且大都有中文翻译，有耐心的人可以直接去官网查看，嫌麻烦的人也可以看我摘选自官网的一些简单说明，根据说明的内容和自己的需要，择所需的组件安装，如下：

Matlab部分并行计算

• Parallel Computing Toolbox
  在多核计算机、GPU 和集群上执行并行计算。
  

利用 Parallel Computing Toolbox™，可以使用多核处理器、GPU 和计算机集群来解决计算问题和数据密集型问题。利用并行 for 循环、特殊数组类型和并行化数值算法等高级别构造，无需进行 CUDA 或 MPI 编程即可对 MATLAB® 应用程序进行并行化。 通过该工具箱可以使用 MATLAB 和其他工具箱中支持并行的函数。你可以将该工具箱与 Simulink® 配合使用，并行运行一个模型的多个仿真。程序和模型可以在交互模式和批处理模式下运行。

该工具箱通过在本地运行的 worker（MATLAB 计算引擎）上执行应用程序，允许你充分利用多核台式机的处理能力。无需更改代码，即可在集群或云上运行同一个应用程序（使用 MATLAB Parallel Server™）。还可以将该工具箱与 MATLAB Parallel Server 结合使用，以执行由于太大而无法装入单台机器内存的矩阵计算。

• MATLAB Parallel Server（备注：一般个人无需安装）
  在集群和云上执行 MATLAB 和 Simulink 计算
  

利用 MATLAB Parallel Server™，可以将 MATLAB® 程序和 Simulink® 仿真扩展到集群和云。您可以在桌面上建立程序原型并进行仿真，然后在集群和云上运行，无需重新编码。MATLAB Parallel Server 支持批处理作业、交互式并行计算以及含有大型矩阵的分布式计算。

所有集群端许可都由 MATLAB Parallel Server 处理。在集群上动态启用您的桌面许可证配置文件，因此您不需要为集群提供 MATLAB 许可证。该许可模型包括支持无限扩展的特性。

MATLAB Parallel Server 在集群上以调度应用程序的方式运行您的程序和仿真。您可以使用 MATLAB Parallel Server 提供的 MATLAB 优化的调度程序或您自己的调度程序。插件框架可实现与常见集群调度程序提交客户端直接通信。

在 R2019a 版本之前，MATLAB Parallel Server 被称为 MATLAB Distributed Computing Server。

数学和优化（一般需要安装）

• Curve Fitting Toolbox
  使用回归、插值和平滑对数据进行曲线和曲面拟合
  

Curve Fitting Toolbox™ 提供一个 App 和多个函数，可对数据进行曲线和曲面拟合。使用该工具箱可以执行探索性数据分析，预处理和后处理数据，比较候选模型，以及删除离群值。您可以使用工具箱提供的线性和非线性模型库进行回归分析，也可以指定自定义方程。该库提供优化的求解器参数和起始条件，以提高拟合质量。该工具箱还提供非参数化建模方法，如样条、插值和平滑。

在创建一个拟合之后，您可以运用多种后处理方法进行绘图、插值和外插，估计置信区间，并可计算积分和导数。

• Optimization Toolbox
  求解线性、二次、锥、整数及非线性优化问题
  

Optimization Toolbox™ 提供各种函数，可用于求最小化或最大化目标且满足约束的参数。该工具箱包含用于线性规划 (LP)、混合整数线性规划 (MILP)、二次规划 (QP)、二阶锥规划 (SOCP)、非线性规划 (NLP)、约束线性最小二乘、非线性最小二乘和非线性方程的求解器。

您可以用函数和矩阵来定义优化问题，也可以通过指定反映底层数学关系的变量表达式来定义。使用目标函数和约束函数自动微分，更快、更准确地求解。

您可以使用该工具箱提供的求解器求连续与离散问题的最优解、执行权衡分析，并将优化方法整合到算法和应用中。该工具箱能够执行设计优化任务，包括参数估计、分量选择和参数调整。它能帮助您在投资组合优化、能源管理和交易以及生产规划等各种应用中求最优解。

• Global Optimization Toolbox
  求解多个极大值、多个极小值和非光滑优化问题
  

Global Optimization Toolbox 所提供的函数可为包含多个极大值或极小值的问题搜索全局解。工具箱求解器包括替代、模式搜索、遗传算法、粒子群、模拟退火、多初始点和全局搜索。对于目标函数或约束函数连续、不连续、随机、导数不存在或包含模拟或黑箱函数的优化问题，都可以使用这些求解器。对于有多个目标的问题，您可以使用遗传算法或模式搜索求解器确定帕累托前沿。

您可以通过调整选项，或者对于适用的求解器，通过自定义创建、更新和搜索函数，从而提高求解器效率。可以使用自定义数据类型，配合遗传算法和模拟退火求解器，来描绘采用标准数据类型不容易表达的问题。利用混合函数选项，可在第一个求解器之后应用第二个求解器来改进解。

• Symbolic Math Toolbox
  执行符号数学计算
  

Symbolic Math Toolbox™ 提供求解、绘制和推导符号数学方程的函数。您可以使用 MATLAB® 实时编辑器创建、运行和共享符号数学代码。该工具箱提供多个常见数学领域的函数，涉及微积分、线性代数、代数和常微分方程、方程化简和方程推导。

Symbolic Math Toolbox 支持您以解析方式执行微分、积分、化简、转换和方程求解。您可以使用 SI 和 US 单位系统执行量纲计算和转换。您可以采用解析法或者可变精度算术进行计算，并以数学排版呈现结果。

您可以将您的符号计算成果作为实时脚本共享给其他 MATLAB 用户，或者将其转换为 HTML 或 PDF 进行发布。您可以从直接符号表达式生成 MATLAB 函数、Simulink® 函数模块和 Simscape™ 方程。

• Mapping Toolbox
  分析和可视化地理信息
  

Mapping Toolbox™ 提供多种算法和函数，用于转换地理数据和创建地图显示。您可以在地理背景下可视化数据、使用 60 多种地图投影构建地图显示，并将各种来源的数据转换成统一的地理坐标系。

Mapping Toolbox 支持完整的地理数据管理工作流。您可以从各种文件格式和 Web 地图服务器导入矢量和光栅数据。该工具箱支持您使用修剪、插值、重采样、坐标变换和其他方法处理和自定义数据。您可以在单个地图显示中综合数据与多种来源的底图图层。您可以将数据导出为 shapefile、GeoTIFF 或 KML 等文件格式。

• Partial Differential Equation Toolbox
  利用有限元法 (FEM) 求解偏微分方程
  

Partial Differential Equation Toolbox™ 提供利用有限元分析求解结构力学、热传递和一般偏微分方程 (PDE) 的函数。

您可以执行线性静力分析以计算形变、应力和应变。对于结构动力学和振动的建模，该工具箱提供了直接时间积分求解器。您可以通过执行模态分析确定自然频率和振型，从而分析组件的结构特性。您可以对以传导为主的热传递问题进行建模，以计算温度分布、热通量和通过表面的热流率。此外，您还可以解决标准问题，例如扩散、静电和静磁以及自定义 PDE。

Partial Differential Equation Toolbox 允许您从 STL 或网格数据导入二维和三维几何结构。您可以自动生成包含三角形和四面体单元的网格。您可以使用有限元方法求解 PDE，并对结果进行后处理以进行探索和分析。

AI、数据科学与统计学（一般需要安装）

• Statistics and Machine Learning Toolbox
  运用统计与机器学习进行数据分析及建模
  

Statistics and Machine Learning Toolbox™ 提供一系列函数和 App，可用于数据描述、分析和建模。您可以使用描述性统计量、可视化和聚类进行探索性数据分析；对数据进行概率分布拟合；生成用于蒙特卡罗模拟的随机数，以及执行假设检验。借助工具箱提供的回归和分类算法，您可以基于数据进行推断并构建预测模型；您既可选择分类学习器和回归学习器进行交互式操作，也可使用 AutoML 以编程方式操作。

针对多维数据分析和特征提取，此工具箱提供了主成分分析 (PCA)、正则化、降维和特征选择方法，让您能够识别预测能力最强的变量。

此工具箱提供了有监督、半监督和无监督机器学习算法，包括支持向量机 (SVM)、提升决策树、k 均值和其他聚类方法。您可以应用可解释性方法（例如部分依赖图和 LIME），并自动生成 C/C++ 代码以进行嵌入式部署。对于那些无法存储到内存的大型数据集，该工具箱中的许多算法同样适用。

• Deep Learning Toolbox
  设计、训练和分析深度学习网络
  

Deep Learning Toolbox™ 包含一系列算法、预训练模型和应用程序，为您设计和实现深度神经网络提供框架。您可以使用卷积神经网络 (ConvNet、CNN) 和长短期记忆 (LSTM) 网络，对图像、时间序列和文本数据执行分类和回归。您可以使用自动微分、自定义训练循环和共享权重构建网络架构，例如生成式对抗网络 (GAN) 和孪生网络。借助 Deep Network Designer 应用程序，您能够以图形方式设计、分析和训练网络。Experiment Manager 应用程序可帮助您管理多个深度学习实验、跟踪训练参数、分析结果，并比较来自不同实验的代码。您可以将层激活区域可视化，并以图形方式监控训练进度。

您可以通过 ONNX 格式实现与 TensorFlow™ 及 PyTorch 间的模型交换，也可以从 TensorFlow-Keras 和 Caffe 导入模型。该工具箱支持基于 DarkNet-53、ResNet-50、NASNet、SqueezeNet 及其他多种预训练模型进行迁移学习。

您可以在单 GPU 或多 GPU 工作站上更快地训练模型（需要 Parallel Computing Toolbox™），或者将运算扩展到集群和云，例如 NVIDIA® GPU Cloud 和 Amazon EC2® GPU 实例（需要 MATLAB Parallel Server™）。

• Reinforcement Learning Toolbox
  使用强化学习设计和训练策略
  

Reinforcement Learning Toolbox™ 使用强化学习算法（包括 DQN、A2C 和 DDPG）为训练策略提供函数和块。您可以使用这些策略为复杂系统（如机器人和自主系统）实现控制器和决策算法。您可以使用深度神经网络、多项式或查找表来实现策略。

使用该工具箱，您可以通过让策略与 MATLAB® 或 Simulink® 模型代表的环境进行交互来训练策略。您可以评估算法，试验超参数设置并监控训练进度。为了提高训练性能，您可以在云端、计算机集群和 GPU 上并行运行仿真（使用 Parallel Computing Toolbox™ 和 MATLAB Parallel Server™）。

通过 ONNX™ 模型格式，可以从诸如 TensorFlow™ Keras 和 PyTorch 等深度学习框架导入现有策略（使用 Deep Learning Toolbox™）。您可以生成优化的 C、C++ 和 CUDA 代码，以便在微控制器和 GPU 上部署经过训练的策略。

该工具箱包括了使用强化学习来设计用于机器人和自动驾驶应用的控制器的参考示例。

• Deep Learning HDL Toolbox
  面向 FPGA 和 SoC 进行深度学习网络原型开发和部署
  

Deep Learning HDL Toolbox™ 提供一系列函数和工具，用于面向 FPGA 和 SoC 进行深度学习网络原型开发和实现。它提供预置的比特流，用于在支持的 Xilinx® 和 Intel® FPGA 与 SoC 设备上运行各种深度学习网络。借助性能分析和估计工具，您可以探索各种设计、性能和资源使用量权衡方案，以便自定义深度学习网络。

通过 Deep Learning HDL Toolbox，您可以自定义深度学习网络的硬件实现，并生成可移植、可合成的 Verilog® 和 VHDL® 代码，在各种 FPGA 上进行部署（需要 HDL Coder™ 和 Simulink®）。

• Text Analytics Toolbox
  分析文本数据并建模
  

Text Analytics Toolbox™ 提供多种算法和可视化，可用于文本数据的预处理、分析和建模。使用该工具箱创建的模型可用于情感分析、预测性维护和主题建模等应用。

Text Analytics Toolbox 中的工具可用于处理不同来源（例如设备日志、新闻提要、调查、操作员报告和社交媒体）的原始文本。您可以从常用文件格式中提取文本、预处理原始文本、提取单个单词、将文本转换为数字表示以及构建统计模型。

借助 LSA、LDA 和词嵌入等机器学习方法，您可以在高维文本数据集中查找簇并由此创建特征。您可以将使用 Text Analytics Toolbox 创建的特征与来自其他数据源的特征相结合，以构建综合运用文本、数字和其他类型数据的机器学习模型。

• Predictive Maintenance Toolbox
  设计和测试状态监控和预测性维护算法
  

Predictive Maintenance Toolbox™ 可让您标记数据，设计状态指标并估算机器的剩余使用寿命 (RUL)。

该工具箱提供了多个函数和一个交互式应用程序，通过基于数据和基于 模型的技术（包括统计、频谱和时间序列分析），对特征进行探索、提取和 排序。您可以使用频率和时频方法从振动数据中提取特征，从而监控旋转机器（如轴承和变速箱）的健康状况。要估算机器发生故障的时间， 可以使用基于生存、相似性和趋势的模型来预测 RUL。

您可以分析和标记从本地文件、云存储和分布式文件系统中导入的传感器数据。您还能标记从 Simulink® 模型生成的仿真故障数据。该工具箱包括电机、变速箱、电池和其他机器的参考范例，可以重用来开发自定义的预测性维护和状态监控算法。

代码生成（无此类需求可以不安装）

• MATLAB Coder
  从 MATLAB 代码生成 C 和 C++ 代码
  

MATLAB Coder™ 从 MATLAB® 代码生成 C 和 C++ 代码，以便您部署到包括桌面系统和嵌入式硬件在内的多种硬件平台。该产品支持多数 MATLAB 代码和各种工具箱。您可以将生成的代码作为源代码、静态库或动态库集成到您的项目。生成的代码可读且可移植。您可以将该代码与现有 C 和 C++ 代码以及库的关键部分相结合。您还可以将生成的代码打包为 MEX 函数，以在 MATLAB 中使用。

结合 Embedded Coder®，MATLAB Coder 还支持代码自定义、特定于目标的优化、代码可追溯性以及软件在环 (SIL) 和处理器在环 (PIL) 验证。

要将 MATLAB 程序部署为独立应用程序，请使用 MATLAB Compiler™。要生成软件组件，以便与其他编程语言集成，请使用 MATLAB Compiler SDK™。

• Embedded Coder
  生成针对嵌入式系统优化的 C 和 C++ 代码
  

Embedded Coder® 可生成可读、紧凑且快速的 C 和 C++ 代码，以便用于大规模生产中使用的嵌入式处理器。它扩展了 MATLAB Coder™ 和 Simulink Coder™ 的功能，支持通过高级优化对生成的函数、文件和数据进行精确控制。这些优化可提高代码效率，并有助于与已有代码、数据类型和标定参数集成。您可以集成第三方开发工具，以便为嵌入式系统或快速原型板上的全套部署构建可执行文件。

Embedded Coder 为 AUTOSAR、MISRA C® 和 ASAP2 软件标准提供内置支持。它还提供可追溯性报告、代码文档记录和自动化软件验证功能，以支持 DO-178、IEC 61508 和 ISO 26262 软件开发。Embedded Coder 代码可移植，并且可在任何处理器上编译和执行。此外，Embedded Coder 为特定硬件提供了包含高级优化和设备驱动程序的支持软件包。

了解各家公司如何使用 Embedded Coder 生成产品级代码，用于控制、信号处理、图像处理和计算机视觉以及机器学习应用。

• HDL Coder
  生成用于 FPGA 和 ASIC 设计的 VHDL 和 Verilog 代码
  

HDL Coder 从 MATLAB® 函数、Simulink® 模型和 Stateflow® 图表生成可移植、可合成的 Verilog® 和 VHDL® 代码。生成的 HDL 代码可用于 FPGA 编程或 ASIC 原型建立和设计。

HDL Coder 提供用于 Xilinx®、Microsemi® 和 Intel® FPGA 自动化编程的 Workflow Advisor。您可以控制 HDL 架构 (49:42) 和实现、突出显示关键路径，以及生成硬件资源利用率估算信息。HDL Coder 可在 Simulink 模型与生成的 Verilog 和 VHDL 代码之间建立 可追溯性，从而能够遵循 DO-254 及其他标准对高完整性应用进行代码验证。

• HDL Verifier
  使用 HDL 仿真器和 FPGA 板测试并验证 Verilog 和 VHDL
  

利用 HDL Verifier™ 可以测试并验证 FPGA、ASIC 和 SoC 的 Verilog® 和 VHDL® 设计。您可以借助 HDL 仿真器，通过协同仿真，对照在 MATLAB® 或 Simulink® 中运行的测试平台来验证 RTL。 同样的测试平台还可用于 FPGA 和 SoC 开发板，以验证硬件中的 HDL 实现。

HDL Verifier 提供了一些工具，用于在 Xilinx® 和 Intel® 板上调试和测试 FPGA 实现。您可以使用 MATLAB 写入和读取内存映射的寄存器，以便在硬件上测试设计。您可以将探测器插入到设计中，并设置触发条件，从而将内部信号上传到 MATLAB 进行可视化和分析。

HDL Verifier 会生成验证模型，以供在 RTL 测试平台中使用，包括 Universal Verification Methodology (UVM) 测试平台。这些模型在支持 SystemVerilog Direct Programming Interface (DPI) 的仿真器中本地运行。

• Filter Design HDL Coder
  为定点滤波器生成 HDL 代码
  

Filter Design HDL Coder™ 用于生成可合成、可移植的 VHDL® 和 Verilog® 代码，以实现在 FPGA 或 ASIC 上使用 MATLAB® 设计的定点滤波器。它还可以自动创建 VHDL 和 Verilog 测试平台，以仿真、测试和验证生成的代码。

• Fixed-Point Designer
  对定点和浮点算法进行建模和优化
  

Fixed-Point Designer™ 提供了丰富的数据类型和工具，用于在嵌入式硬件上优化和实现定点和浮点算法。它包括定点和浮点数据类型以及特定于目标的数值设置。使用 Fixed-Point Designer，您可以执行特定于目标的定点位真仿真。然后，您可以事先测试和调试溢出及精度损失等量化效应，之后再在硬件上实现设计。

Fixed-Point Designer 提供的应用程序和工具可用于分析双精度算法，并将其转换为降精度浮点或定点。使用优化工具，您可以选择满足数值精度要求和目标硬件约束的数据类型。为了高效实现，您可以将运算量庞大的设计构造替换为硬件最优的模式，如压缩的查找表。

您可以直接从定点和浮点优化模型生成产品级 C 和 HDL 代码。

• GPU Coder
  为 NVIDIA GPU 生成 CUDA 代码
  

GPU Coder™ 可从 MATLAB® 代码和 Simulink® 模型生成优化的 CUDA® 代码。所生成的代码包含 CUDA 内核，针对深度学习、嵌入式视觉和信号处理算法的可并行化部分。为了提高性能，生成的代码会调用优化的 NVIDIA® CUDA 库，包括 TensorRT™、cuDNN、cuFFT、cuSolver 和 cuBLAS。您可以将这些代码作为源代码、静态库或动态库集成到您的项目，也可以针对桌面、服务器和嵌入到 NVIDIA Jetson™、NVIDIA DRIVE™ 及其他平台的 GPU 进行编译。您可以使用在 MATLAB 中生成的 CUDA 代码，对深度学习网络以及算法中的其他计算密集型部分进行加速。使用 GPU Coder，您可以将手写 CUDA 代码整合到您的 MATLAB 算法和生成的代码中。

您可以将 GPU Coder 与 Embedded Coder® 结合使用，以通过软件在环 (SIL) 测试和处理器在环 (PIL) 测试验证生成代码的数值行为。

应用程序发布（无此类需求可以不安装）

• MATLAB Compiler
  基于 MATLAB 程序构建独立可执行文件和 Web 应用程序
  

MATLAB Compiler™ 帮助您将  MATLAB®  程序作为独立应用程序和 Web 应用程序共享。借助 MATLAB Compiler，您也可以将 MATLAB 程序打包并部署为 MapReduce 或 Spark™ 大数据应用程序以及 Microsoft® Excel® 插件。最终用户可以使用 MATLAB Runtime 免版权费运行您的应用程序。

为使您的 MATLAB Web 应用程序支持基于浏览器的访问，您可以使用随 MATLAB Compiler 提供的 MATLAB Web App Server™ 开发版本来托管这些 MATLAB Web 应用程序。您可以将 MATLAB 程序打包为软件组件，以便与其他编程语言集成（需要 MATLAB Compiler SDK™）。结合 MATLAB Production Server™，您还可以面向企业系统进行大规模部署。

结合 MATLAB Coder™，您可以从 MATLAB 生成 C 和 C++ 源代码。

• MATLAB Compiler SDK
  利用 MATLAB 程序生成软件组件
  

MATLAB Compiler SDK™ 扩展了 MATLAB Compiler™ 的功能，可让您将 MATLAB® 程序构建成 C/C++ 共享库、Microsoft® .NET 程序集、Java® 类和 Python® 包。这些组件可以与自定义应用程序集成，然后部署到桌面、Web 和企业系统。

MATLAB Compiler SDK 包括 MATLAB Production Server™ 的开发版本，将应用程序代码和 Excel 插件部署到 Web 应用程序和企业系统之前，可以利用该版本对其进行测试和调试。

使用 MATLAB Compiler SDK 中的软件组件创建的应用程序可以与不需要 MATLAB 的用户共享，免特许费。这些应用程序使用 MATLAB Runtime，即可以让编译的 MATLAB 应用程序或组件执行一组共享库。

使用 MATLAB Coder™ 从 MATLAB 生成 C 和 C++ 源代码。

• MATLAB Production Server
  将 MATLAB 算法集成到 Web、数据库以及企业级应用程序
  

借助 MATLAB Production Server™，您可将自定义分析集成到 Web 和数据库，以及在专用服务器或云端运行的企业级生产应用程序。您可在 MATLAB® 中创建算法，使用 MATLAB Compiler SDK™ 打包，然后将其部署到 MATLAB Production Server，无需重新编码或创建自定义基础架构。随后，用户便可自动访问最新版本的分析。

MATLAB Production Server 可同时管理多个 MATLAB Runtime 版本。因此，您可以将使用不同版本 MATLAB 开发的算法整合到您的应用程序。服务器可在多处理器与多核计算机上运行，从而实现并发工作请求的低延迟处理。您可在额外计算节点上部署服务器，以扩展处理能力并提供冗余。

• MATLAB Web App Server
  将 MATLAB 应用程序和 Simulink 仿真作为基于浏览器的 Web 应用程序共享
  

MATLAB Web App Server™ 让您能够将 MATLAB® 应用程序和 Simulink® 仿真作为交互式 Web 应用程序托管。您可以使用 App 设计工具创建应用程序，使用 MATLAB Compiler™ 将其打包，然后使用 MATLAB Web App Server 托管这些应用程序。最终用户可以使用浏览器访问和运行 Web 应用程序，而无需安装其他软件。

MATLAB Web App Server 支持与 OpenID Connect 和 LDAP 等身份验证标准集成，使您能够控制对 Web 应用程序的访问。您可以托管和共享使用不同版本的 MATLAB 和 Simulink 开发的多个应用程序。

数据库访问与报告

• Database Toolbox
  与关系型和非关系型数据库交换数据
  

Database Toolbox™ 提供 App 和一系列函数，支持与关系型和非关系型数据库交换数据。该工具箱可自动执行数据库与 MATLAB® 数据类型之间的转换，从而实现数据交换。

Database Toolbox 支持所有兼容 ODBC 或 JDBC 的关系型数据库。它还提供针对 Apache™ Cassandra®、MongoDB® 和 Neo4j® 的 NoSQL 支持。此外，该工具箱提供 MySQL® 和 PostgreSQL 本地接口。

借助数据库资源管理器，您无需编写代码便能探查关系型数据，然后生成 MATLAB 代码，以实现数据库工作流自动化或可操作化。对于大型数据工作流，您可以拆分 SQL 查询，然后并行访问数据（需要 Parallel Computing Toolbox™ 和 MATLAB Parallel Server™）。

• MATLAB Report Generator
  通过 MATLAB 应用程序设计并自动生成报告
  

MATLAB Report Generator™ 提供可将报告功能集成到 MATLAB 应用程序的一些函数和 API。您可以开发程序，生成 PDF、Microsoft® Word、Microsoft PowerPoint® 和 HTML 格式报告。可以使用 MATLAB Report Generator 从自己的 MATLAB 代码中动态捕获结果和数字，并将这些结果记录在一个报告中，与所在组织的其他人共享。您可以使用预置的可自定制Word 和 HTML 模板，或根据您所在组织的模板和标准设计报告。