Johanna Pingel,MathWorks
学习如何使用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。本视频从高层次概述了图像和视频的深度学习技术。它描述了完整的工作流程,并展示了MATLAB如何在各个阶段帮助深度学习应用程序,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将深度学习模型部署到包括嵌入式GPU在内的硬件。
MATLAB中的深度学习框架包括一个完整的工作流程,可以帮助您快速入门、发现问题并节省时间。
无论您是初学者还是深度学习专家,MATLAB都可以提供帮助——从预处理到部署。
至少可以说,设计一个深度学习模型是一个挑战。
幸运的是,MATLAB有很多例子可以帮助您入门,它让您可以访问许多流行的模型,这些模型由专家设计,并在数百万图像上进行训练,这为迁移学习提供了一个很好的起点。
除了ONNX的导入和导出功能外,MATLAB还提供了从Pytorch和TensorFlow Keras导入模型的工具。
在训练模型之前,需要数据。很多。大型数据库广泛可用,您可以从MATLAB访问这些数据库,但要产生任何合理的结果,我们需要将对象与“非对象”分开。如何在数千张图像中标记对象而不花费数周时间?
MATLAB提供了一些应用程序来帮助应对这一挑战。例如
您可以在每个图像中选择您关心的对象
甚至可以选择作为对象或类别一部分的像素。[这对于语义分段数据至关重要]
您可以通过使用对象检测器(自定义或预构建)来自动完成这一过程,以运行整个视频,并在几秒钟内生成对象的许多图像。
现在是训练网络的时候了。有了所有这些数据,以及这些网络的复杂结构,这可能需要数小时或数天。为了帮助加快速度,我们支持NVIDIA GPU。万博1manbetx
MATLAB负责将数据传输到GPU或多个GPU,因此您无需手动设置或自行编程。扩展到群集和云,更快地训练您的网络,甚至并行运行多个训练。
人们有时会忽略一个步骤:如果训练有素的网络表现不佳,会发生什么?MATLAB有助于深入了解您的网络。您可以可视化层,并查看图像通过网络时实际发生的情况。您还可以将培训过程可视化,以便在培训结束之前了解培训的进展情况。
在这些步骤结束时,可能经过几次迭代之后,您就有了一个训练有素的网络来执行您的任务。
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。
事实证明,MATLAB代码在GPU上运行预测非常快。这一重大变化来自优化CUDA代码的代码生成——该代码在NVIDIA GPU上本机运行。
你可以清楚地看到这里的速度差异。
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。
虽然它确实使深度学习变得更容易和更容易获得,但MATLAB不仅仅是一个深度学习框架。您还可以访问MATLAB提供的所有其他功能。
您还可以访问MATLAB中的其他语言。将您的开源工作带入MATLAB,然后使用我们丰富的可视化和应用程序处理这些数据。
查看我们的网站,了解更多关于最新功能和入门方法的信息。
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。