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。本视频提供了使用MATLAB进行深度学习的高级概述。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。
深度学习继续流行,几乎扩展到每一个应用程序。然而,从深度学习模型到真正的人工智能驱动系统是一项具有挑战性的任务。下面是使用MATLAB的五个理由®对于您的下一个深度学习应用程序:
MATLAB有用于标记的交互式深度学习应用程序。
这包括信号数据、音频数据、图像和视频。
通常,人们低估了标记数据所需的时间,因此有助于自动化此过程的应用程序可以让您更快地了解培训模型并看到结果。
当您没有足够的正确场景数据时,MATLAB可以帮助生成合成数据。
在自动驾驶的情况下,您可以编写场景,并使用三维模拟环境模拟不同传感器的输出。
在雷达和通信中,这包括为波形调制识别和目标分类应用生成数据。
MATLAB有多种方式来交互和传输数据之间的深度学习框架。
MATLAB支万博1manbetx持ONNX在其他框架之间导入和导出模型。例如,用PyTorch设计的模型可以引入MATLAB,用MATLAB训练的模型可以使用ONNX框架导出。
MATLAB还支持Pyt万博1manbetxhon互操作性:您可以从MATLAB调用Python,从Python调用MATLAB。
我们继续扩大对经过深度学习专家测试和审查的预培训模型万博1manbetx的支持。
接下来,除了C、c++和HDL, MATLAB为NVIDIA gpu创建优化的深度学习CUDA代码,包括运行整个算法所需的预处理和后处理代码。
使用TensorRT优化CUDA使推理速度非常快。该代码可以部署到嵌入式NVIDIA GPU上。
最后,MATLAB具有专门用于以下方面的工具箱和功能:
更不用说结合其他技术,如传统的机器学习和数据科学。
我们还具有高级功能,如GANs、自动区分以及分析和调试层的能力。
您可以在我们的网站上免费试用我们的深度学习软件。如果您刚刚开始或一直在另一个深度学习框架中工作,我们有很多示例和视频可以帮助您在MATLAB中快速入门。