用于深度学习的MATLAB
数据准备,设计,仿真和部署深层神经网络
只需几行MATLAB的®代码,你可以申请深度学习技术,将您的工作是否你设计的算法,准备和标记数据,或生成代码,并部署到嵌入式系统。
有了MATLAB,您可以:
- 使用深度学习架构创建、修改和分析应用程序和可视化工具。
- 数据预处理和自动化真实的标签图像,视频和音频数据使用应用程序。
- 加快算法NVIDIA®gpu,云,没有专门的编程数据中心资源。
- 协作使用框架,比如同行TensorFlow PyTorch,和MxNet。
- 模拟和列车动力系统的行为与强化学习。
- 生成基于仿真的从MATLAB和Simulink训练和测试数据万博1manbetx®物理系统的模型。
看看其他人如何使用MATLAB进行深度学习
贝壳
用途用于高光谱卫星数据的地形识别语义分割。
奥托立夫
标签LIDAR用于基于雷达自动驾驶系统的验证。
立命馆大学
在CT图像上训练卷积神经网络以减少辐射暴露风险。
只需几行MATLAB的®代码,你可以建立深层的学习模式,而不必成为专家。MATLAB探索如何能够帮助你进行深度学习任务。
- 轻松访问最新的车型,其中包括GoogLeNet,VGG-16,VGG-19,AlexNet, ResNet-50, ResNet-101和incep- v3。
- 加快算法NVIDIA®gpu,云,没有专门的编程数据中心资源。
- 创建,修改和使用MATLAB应用程序分析复杂的深层神经网络结构和可视化工具。
- 自动化真实的标签图像,视频和音频数据使用应用程序。
- 从模型工作咖啡和TensorFlow-Keras。
- MATLAB支万博1manbetx持ONNX™,所以你可以使用框架,比如同行合作PyTorch和MxNet。
为什么要使用MATLAB深学习?
互操作性
这不是非此即彼的选择基于Python框架MATLAB之间。MATLAB支万博1manbetx持开源使用ONNX导入和导出功能深度学习框架的互操作性。使用MATLAB工具最重要的位置 - 访问能力和预置的功能和Python应用程序不可用。
应用服务预处理
快速进行网络培训。使用针对音频、视频和图像数据的特定于领域的应用程序快速预处理数据集。使用Deep Network Designer应用程序创建复杂的网络体系结构或修改预先训练好的网络以进行迁移学习,在培训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。当性能的问题,您可以生成代码,它利用英特尔优化库®(MKL-DNN),NVIDIA(TensorRT,cuDNN)和ARM®(ARM计算库)来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
尝试先进技术
- 部署生成的代码在AWS上的GPU深学习(4:50)
获得免费试用
30天的探索在你的指尖。
探索深度学习工具箱
有问题吗?
跟一个深度学习专家。