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地面真理标签图像、视频和音频数据的应用程序。
- 加快算法英伟达®GPUS.、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加强学习.
- 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。
了解其他人如何使用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.,AlexNet,Reset-50,Reset-101和Inception-V3。
- 加快算法英伟达®GPUS.、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。
- 自动化地面真理标签图像、视频和音频数据的应用程序。
- 使用来自咖啡和TensoRflow-eras..
- 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/或选择在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。
预处理的应用程序
快速到达网络培训.预处理数据集与特定于域的Audio,视频和图像数据的应用程序。在使用Deep Network Designer应用程序创建复杂的网络架构或修改掠夺网络以进行转移学习之前,可视化,检查和修复问题。
多平台部署
在任何地方部署深度学习模型包含CUDA、C代码、企业系统或云。绩效事项时,您可以生成利用英特尔利用优化库的代码®(MKL-DNN),NVIDIA(张于Rensorr,Cudnn)和ARM®(ARM计算库)创建具有高性能推理速度的可部署模型。
获得免费试用
在你的指尖探索30天。
探索深度学习工具箱
有问题吗?
与深度学习专家交谈。