深度学习工具箱
딥러닝신경망설계，훈련및분석
深度学习工具箱™는알고리즘，사전훈련된모델및앱을사용하여심층신경망을설계및구현하는프레임워크를제공합니다。컨벌루션신경망（ConvNet，CNN）및장단기기억（LSTM）신경망을사용하여영상，시계열및텍스트데이터에대한분류및회귀를수행할수있습니다。자동미분，사용자지정훈련루프및공유가중치를사용하여생성적적대신경망（GAN）및샴신경망과같은신경망아키텍처를구축할수있습니다。심층신경망디자이너앱을사용하여신경망을시각적으로설계，분석및훈련시킬수있습니다。실험관리자앱을사용하면여러딥러닝실험을관리하고，훈련파라미터를추적하고，결과를분석하고，서로다른실험의코드를비교할수있습니다。계층활성화를시각화하고훈련진행상황을시각적으로추적관찰할수있습니다。
Onnx형식을통해tensorflow™및pytorch와모델을교환，tensorflow-keras및caffe에서에서가져올수수。또한Darknet-53，Resnet-50，NASNet，Screezenet및기타많은사전된된모델에대한이학습을을지원전전지원지원지원
并行计算工具箱™를사용하여단일또는다중gpu워크워크이션에서에서의의에이거나matlab pararts server™를사용하여nvidia®GPU云및的Amazon EC2®GPU인스턴스가있는클러스터와클라우드로확장할수있습니다。
시작하기：
컨벌루션신경망
물체，얼굴얼굴및장면인식을위해영상내의패턴을학습학습특징특징추출및영상인식을수행하기위해컨벌루션（CNN）을을하고학습。
장단기기억신경망
신호，오디오，텍스트및기타데이터를포함시퀀스시퀀스이터에서에서장기장기종속성을학습학습분류분류및회귀를수행하기위해장단기（LSTM）신경망을을구성학습합니다。
LSTM을사용한한。
신경망아키텍처
딥러닝신경망을구축하기위해유방향비순환그래프（DAG）및순환아키텍처와같은다양한신경망구조를사용할수있습니다。사용자지정훈련루프，공유가중치및자동미분을사용하여생성적적대신경망（GAN）과샴신경망과같은고급신경망아키텍처를구축할수있습니다。
다양한신경망아키텍처를사용한작업。
딥러닝신경망설계
심층신경망디자이너앱을사용하여처음부터딥신경망을생성하고훈련시킵니다。사전훈련된모델을가져오고，신경망구조를시각화하고，계층을편집하고，파라미터를조정하여훈련시킬수있습니다。
딥러닝신경망분석
신경망의위상을화학습가능능한
딥러닝신경망아키텍처분석。
딥러닝실험관리
실험관리자앱으로여러딥러닝실험을관리할수있습니다。훈련파라미터를추적하고，결과를분석하고，서로다른실험에대한코드를비교할수있습니다。훈련플롯，정오분류표와와시각화도구사용하고，실험결과를정렬및필터링，사용자지정메트릭을정의하여된모델을평가합니다。
전이학습
사전훈련된신경망을새로운작업을학습하기위한바탕으로사용하고，신경망에서학습한특징을특정작업에사용할수있도록전이학습을수행할수있습니다。
使用方法
단한줄의코드로최신연구결과의사전훈련된신경망을사용할수있습니다。暗网-53，RESNET-50，SqueezeNet，NASNet，启-V3과같은사전훈련된모델을가져올수있습니다。
使用方法훈련의분석。
훈련진행상황
다양다양메트릭의플롯을사용하여하여모든반복에대해훈련진행상황을볼수
모델의훈련진행상황모니터링。
신경망활성화
grad-cam접근방법을사용딥러닝딥러닝이분류분류을내리는이유를이해할할수。
활성화시각화。
onnx변환기
다른딥러닝프레임워크와의상호운용성을위해matlab® 내에서 ONNX 모델을 가져오고 내보낼 수 있습니다. ONNX를 통해 한 프레임워크에서 모델을 학습한 후 추론을 위해 다른 프레임워크로 전이할 수 있습니다.GPU编码器™를사용하여최적화된nvidia®CUDA.®코드를생성하고MATLAB编码器™를사용하여가져온모델에대한C ++코드를생성할수있습니다。
딥러닝프레임워크와의상호운용。
来自Caffe임포터
추론및전이학습을위해caffe模型动物园에서matlab으로모델을가져올수있습니다。
朱古力型号动物园에서MATLAB으로모델가져오기。
GPU를사용한가속。
클라우드가속
클라우드인스턴스를사용하여하여딥러닝훈련시간을단축시킬수최고의결과를위해고성능gpu인스턴스를사용할수있습니다。
并行计算工具箱및MATLAB并行服务器로클라우드에서의훈련속도향상。
분산연산
MATLAB并行服务器를사용하여다중서버의다중프로세서에서딥러닝훈련을실행할수있습니다。
병렬및클라우드를통한딥러닝확장。
시뮬레이션
万博1manbetx®에서딥러닝신경망을시뮬레이션하고하고코드를생성할수수수수AlexNet과googlenet등의사전훈련된을사용할할수。lstm신경망을포함하여처음부터새로하거나전이학습을을통해생성된신경망을을션할수도GPU编码器및nvidia gpu를사용하여simulin万博1manbetxk에서딥러닝신경망의속도를높일수있습니다。제어，신호처리，센서센서구성요소로신경망을이션시뮬레시뮬레모델이시스템수준수준의성능에미치는영향을평수수수평수수수수수수수수수수수수
차선및차량감지기능수행위한위한simuli万博1manbetxnk®모델내심층컨벌루션신경망
딥러닝양자화
模型量化图书馆지원패키지를사용하여딥러닝신경망을INT8로양자화하고선택한계층의가중치와편향을양자화한결과에대한정확도의절충관계를분석할수있습니다。
독립형응용프로그램배포하기
Matlab Compiler™및MATLAB编译器SDK™를사용하여딥러닝모델이있는MATLAB프로그램에서훈련된신경망을C ++공유라이브러리，微软®.NET어셈블리，爪哇®클래스및python.®패키지로배포할수있습니다。
MATLAB编译를사용한독립형MATLAB프로그램공유。
비지도신경망
얕은신경망을새로운입력에적으로조절하여이터내내에서관계탐색및분류방식자동자동으로지정할수자기조직화，비지도신경망이외에에도경쟁계층및자기조직화사용용할수수화를를할할수수
자기조직화지도。
적층오토인코더
오토인코더를사용하여하여이터세트세트에서저차원특징추출하여비지도특징변환을할수있습니다수할수수여러여러개의인코더를훈련하고쌓아지도학습에에오토인코더사용할할수수
적층인코더。
