深度学习

MATLAB的深度学习

数据准备、设计、模拟和深层神经网络的部署

下载一个免费试用
尝试免费的教程

深度学习的应用

只有几行MATLAB®代码,您可以深度学习集成到您的应用程序是否正在设计算法,准备和标签数据,或者生成代码和部署嵌入式系统。

信号处理

信号处理

获取和分析信号和时序数据

图像处理和计算机视觉

计算机视觉

获取、处理和分析图像和视频

强化学习

深入强化学习

定义、训练和部署强化学习策略

雷达

雷达

将人工智能技术应用到雷达的应用程序

激光雷达

激光雷达

将人工智能技术应用到激光雷达的应用程序

无线

无线

将人工智能技术应用到无线通信的应用程序

为什么深学习MATLAB ?

MATLAB很容易从深度学习模型转移到现实世界的人工智能(AI)简况系统。

人工智能工程师:建立一个人工智能系统(凌晨)

数据进行预处理

使用交互式应用程序标签,作物,并确定重要功能,内置的算法来帮助自动化标签的过程。

了解更多

培训和评估模型

从一套完整的算法和预构建的模型,然后创建和修改使用深层网络设计师应用深度学习模型。

探索模型

模拟数据

测试深度学习模型,包括系统级仿真软件模拟。万博1manbetx测试边界情况场景很难测试硬件。理解深度学习模型如何影响整个系统的性能。

将人工智能集成到系统级的设计

部署训练网络

嵌入式系统上部署你的训练模式、企业系统中,FPGA器件,或云。生成代码从英特尔®,英伟达®,手臂®库来创建可部署模型与高性能推理速度。

探讨边缘AI选项

与面向集成框架

MATLAB可以从任何地方访问最新的研究通过导入Tensorflow模型和使用ONNX功能。您可以使用一个预先构建的模型库,包括NASNet SqueezeNet Inception-v3, resnet - 101开始。从MATLAB调用Python,反之亦然使您能够使用开源与同事合作。

了解更多

得到一个免费试用

30天的探索在你的指尖。

立即下载

深度学习工具箱

设计、训练和分析深度学习网络。

了解更多

代码在

学习的深度学习专家。

现在就开始