用于深度学习的MATLAB
深度神经网络的数据准备、设计、仿真和部署
用MATLAB的几行®代码,你可以将深度学习技术应用到你的工作中,无论是设计算法,准备和标记数据,或生成代码并部署到嵌入式系统。
使用MATLAB,您可以:
- 使用。创建、修改和分析深度学习架构应用程序和可视化工具.
- 预处理数据和自动化真实的标签图像、视频和音频数据的应用程序。
- 加快算法英伟达®gpu、云和数据中心资源,无需专门编程。
- 使用类似框架与同行协作TensorFlow PyTorch,和MxNet。
- 用。模拟和训练动态系统行为强化学习.
- 生成基于仿真的训练和测试数据从MATLAB和Simulink万博1manbetx®物理系统的模型。
参见其他人如何使用MATLAB进行深度学习
壳牌
将语义分割用于高光谱卫星数据的地形识别。
Autoliv
用于验证基于雷达的自动驾驶系统的激光雷达标签。
立命馆大学
训练CT图像上的卷积神经网络,以降低辐射暴露风险。
用MATLAB的几行®代码,你可以构建深度学习模型而不必成为专家。探索MATLAB如何帮助您执行深度学习任务。
- 轻松访问最新型号,包括GoogLeNet,VGG-16,VGG-19,renet、renet -50、renet -101和Inception-v3。
- 加快算法英伟达®gpu、云和数据中心资源,无需专门编程。
- 创建,修改和分析复杂的深度神经网络架构使用MATLAB应用程序和可视化工具。
- 自动化真实的标签图像、视频和音频数据的应用程序。
- 使用来自咖啡和TensorFlow-Keras.
- MATLAB支万博1manbetx持ONNX™,这样您就可以使用类似于PyTorch和MxNet。
为什么使用MATLAB进行深度学习?
互操作性
这不是一个非此即彼的选择在MATLAB和基于python的框架之间。MATLAB支万博1manbetx持与使用ONNX导入和导出功能的开源深度学习框架的互操作性。在最重要的地方使用MATLAB工具——访问功能和Python中不可用的预构建函数和应用程序。
应用的预处理
迅速进行网络培训.预处理数据集与领域特定的应用程序快速音频,视频和图像数据。在使用Deep Network Designer应用程序创建复杂的网络架构或修改预先训练的网络以进行迁移学习之前,对问题进行可视化、检查和修复。
多平台部署
在任何地方部署深度学习模型包括CUDA、C代码、企业系统或云。当性能很重要时,您可以生成利用英特尔优化库的代码®(MKL-DNN)、NVIDIA (TensorRT、cuDNN)和ARM®(ARM计算库)创建具有高性能推理速度的可部署模型。
尝试先进技术
尝试先进技术
免费试用
30天的探索触手可及。
探索深度学习工具箱
有问题吗?
与深度学习专家交谈。