MathWorks今天推出了MATLAB和Simulink的2018b版。该版本包含对深度学习的重大增强,以及万博1manbetx跨产品系列的新功能和错误修复。新的深度学习工具箱取代了神经网络工具箱,为工程师和科学家提供了设计和实现深度神经网络的框架。现在,图像处理、计算机视觉、信号处理和系统工程师可以使用MATLAB更轻松地设计复杂的网络体系结构,并改进其深度学习模型的性能。
MathWorks最近加入了ONNX社区,以展示其对互操作性的承诺,支持MATLAB和其他深度学习框架的用户之间的协作。使用R2018b中的新的ONNX转换器,工程师可以从PyTorch、MxNet和TensorFlow等受支持的框架中导入和导出模型。万博1manbetx这种互操作性使得在MATLAB中训练的模型可以在其他框架中使用。类似地,在其他框架中训练过的模型可以带入MATLAB完成调试、验证和嵌入式部署等任务。此外,R2018b还提供了一组可通过一行代码访问的参考模型。另外,其他的模型导入器允许使用Caffe和Keras-Tensorflow的模型。
MathWorks的MATLAB营销总监David Rich说:“随着深度学习在多个行业变得越来越普遍,有必要使其广泛可用、可访问并适用于不同专业的工程师和科学家。”“现在,深度学习新手和专家可以通过使用集成的深度学习工作流,从研究到原型到生产,使用MATLAB学习、应用和进行高级研究。”
MathWorks通过以下方式继续提高R2018b中深度学习工作流的用户生产力和易用性:
- 深度网络设计师应用程序,使用户能够创建复杂的网络架构或修改复杂的预先训练的网络,以进行迁移学习
- 通过在NVIDIA GPU cloud上支持MATLAB深度学习容器和用于Amazon Web Services和Microsoft Az万博1manbetxure的MATLAB参考架构,提高了网络训练性能,超越了桌面能力
- 扩展了对特定领域工作万博1manbetx流程的支持,包括针对音频、视频和特定应用程序数据存储的真实标签应用程序,使处理大量数据更容易、更快
在R2018b中,GPU Coder通过支持NVIDIA库并添加自动调优、层融合和缓冲区最小化等优化,继续提高推理性能。万博1manbetx此外,使用英特尔MKL-DNN和ARM计算库为英万博1manbetx特尔和ARM平台增加了部署支持。
立即可用,R2018b包括对MATLAB和Simulink产品家族的更新,包括代码生成、信号处理和通信以及验证和验证的新功能。万博1manbetx有关MATLAB和Simulink产品系列的所有新功能和bug修复的信息,请观看R2018b亮点视频。万博1manbetx