ディープラーニング向けMATLAB
ディープニューラルネットワークのためのデータ準備、設計、シミュレーション、および展開
わずか数行のMATLAB®コードで、アルゴリズムの設計、データの準備とラベル付け、もしくはコード生成と組み込みシステムへの展開などの作業の有無に関わらず、ディープラーニングをご活用いただけます。
MATLABを使用すると,以下のことを行うことができます。
- アプリと可視化ツールを使用して,ディープラーニングアーキテクチャを作成,変更,分析します。
- アプリを使用して、データを前処理し、イメージ、ビデオ、およびオーディオデータの基本事实ラベリングを自動化します。
- 専門的なプログラミング行うことなく,英伟达®GPU、クラウド、およびデータセンター リソースのアルゴリズムを高速化できます。
- TensorFlow, PyTorch,およびMxNetなどのフレームワークを使用している方とも共同作業が可能です。
- 強化学習を用いて、動的システムの動作をシミュレーションし、学習させます。
- MATLABと仿真万博1manbetx软件®で作成された物理系モデルのシミュレーションから学習およびテストデータを生成します。
MATLABによるディープラーニングの導入事例
壳牌
セマンティックセグメンテーションを使用して,ハイパースペクトル衛星データの地形認識を行っています。
Autoliv
激光雷达にラベルを付けて,レーダーベースの自動運転システムを検証しています。
立命館大学
CT画像で畳み込みニューラルネットワークを学習させて,放射線被曝リスクを低減しています。
モデルの設計、学習、評価
一連のアルゴリズムと学習済みモデルから始めて,ディープネットワークデザイナーアプリによってディープラーニングモデルの作成および変更を行います。ドメイン固有の問題にディープラーニングモデルを組み込みます。複雑なネットワークアーキテクチャを初めから作成する必要はありません。
ネットワークのハイパーパラメーターの最適化を行うアルゴリズムは大量の計算を必要とします。その計算を高速化するために并行计算工具箱™と高性能のNVIDIA GPUを用います。。MATLABの可視化ツールとGrad-CAMやオクルージョン感度などの手法は構築されたモデルの理解を助けます。万博1manbetx仿真软件を使用して,学習済みディープラーニングモデルのシステムレベルのパフォーマンスにおける影響を評価します。
学習済みのネットワークの展開
学習済みモデルを,組み込みシステム,エンタープライズシステム,FGPAデバイス,またはクラウドに展開します。MATLABは学習済みネットワーク向けのCUDA®コードの自動生成をサポートしており,特に最新のNVIDIA GPUをターゲットとした前処理,後処理の自動生成もサポートしています。
性能を重視する場合は,最適化された英特尔®英伟达,および手臂®のライブラリを活用したコードを生成し、高性能の推論速度もつ展開可能なモデルを作成することができます。エッジに展開するために、FPGA上でネットワークをプロトタイピングしてから、任意のデバイスをターゲットとするすぐに運用可能な 高密度脂蛋白を生成することができます。
高度なテクニックを試す
ディープラーニングに関するトピック
今すぐ始める
ディープラーニング入門
無料ハンズオンチュートリアルでディープラーニングを始めましょう。
無料評価版を入手する
30日間の無料評価版はこちら
深度学习工具箱の詳細はこちら
ご質問はこちらへ
ディープラーニングのエキスパートにご質問ください。
