Johanna Pingel, MathWorks
学习MATLAB®可以帮助深度学习工作流程的任何部分:从预处理到部署。本视频提供了图像和视频的深度学习技术的高级概述。它描述了完整的工作流程,并展示了MATLAB如何在不同阶段帮助深度学习应用,包括导入和预处理图像,导入预训练模型,使用gpu训练模型,调试深度学习结果,以及部署深度学习模型到硬件,包括嵌入式gpu。
MATLAB中的深度学习框架包括一个完整的工作流,可以帮助您快速入门,识别问题,节省时间。
无论您是初学者还是深度学习方面的专家,MATLAB都可以提供帮助——从预处理一直到部署。
至少可以这么说,设计一个深度学习模型是具有挑战性的。
幸运的是,MATLAB有许多示例可以帮助您入门,并且它提供了许多流行的模型,这些模型是由专家设计的,并经过数百万张图像的训练,这为迁移学习提供了一个很好的起点。
MATLAB提供了从Pytorch和TensorFlow-Keras导入模型的工具,以及ONNX导入和导出功能。
在你训练一个模型之前,你需要数据。这样的例子有很多。大型数据库随处可见,你可以从MATLAB中访问它们,但要产生任何合理的结果,我们需要将对象从“非对象”中分离出来。如何在不花费数周时间的情况下在数千张图像中标记对象?
MATLAB提供了一些应用程序来帮助解决这一难题。例如,
您可以在每个图像中选择您关心的对象
您甚至可以选择作为对象或类别的一部分的像素。[这是必要的语义分割数据]
你可以通过使用物体探测器(自定义的或预先构建的)来自动化这个过程,运行整个视频,并在几秒钟内生成物体的许多图像。
现在是训练网络的时候了。考虑到所有这些数据和这些网络的复杂结构,这可能需要数小时或数天的时间。为了加快速度,我们支持NVIDIA gpu。万博1manbetx
MATLAB处理将你的数据传输到GPU或多个GPU,所以你不需要手动设置或自己编程。扩展到集群和云,更快地训练你的网络,甚至并行地进行多个训练。
这是人们有时会忽略的一个步骤:如果训练好的网络表现不好会发生什么?MATLAB可以帮助您了解您的网络。您可以将图层可视化,并查看当图像通过网络时实际发生了什么。你也可以想象训练过程,从而在训练结束之前就能知道训练是如何进行的。
在这些步骤的末尾,可能在几次迭代之后,您就有了一个经过充分训练的网络来执行您的任务。现在是讨论部署的时候了。
MATLAB可以帮助您在任何地方快速部署代码——包括web、手机或嵌入式gpu。
MATLAB代码在GPU上运行预测非常快。这一重大变化伴随着代码生成优化CUDA代码——在NVIDIA gpu上原生运行的代码。
你可以清楚地看到速度上的差异。
在其他领域也有关于深度学习的新研究,比如语音识别和文本分析。下面是在MATLAB中运行的两个非图像深度学习任务示例。
虽然它使深度学习更容易、更容易理解,但MATLAB不仅仅是一个深度学习框架。您还可以使用MATLAB提供的其他所有功能。
您还可以在MATLAB中访问其他语言。将您的开源工作放到MATLAB中,然后使用我们丰富的可视化和应用程序来处理这些数据。
请访问我们的网站,了解更多有关最新功能和入门方法的信息。
您也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
本网站使用cookies改善您的用户体验,个性化内容和广告,并分析网站流量。如您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策以了解更多有关cookies及如何更改您的设置。