Johanna Pingel, MathWorks
学习MATLAB®可以帮助深度学习工作流的任何部分:从预处理到部署。本视频提供图像和视频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,并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程,帮助您快速入门,识别问题,并节省时间。
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——从预处理到部署。
至少可以说,设计一个深度学习模型是具有挑战性的。
幸运的是,MATLAB有很多例子来帮助你开始,它让你访问许多流行的模型,由专家设计并训练了数百万张图像,这为迁移学习提供了一个很好的起点。
除了ONNX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,您需要数据。这样的例子有很多。大型数据库是广泛可用的,你可以从MATLAB访问它们,但要产生任何一种合理的结果,我们需要从“非对象”中分离对象。如何在不花费数周时间的情况下在数千张图片中给物体贴上标签?
MATLAB提供了一些应用程序来帮助解决这个问题。例如,
你可以在每张图片中选择你关心的对象
您甚至可以选择属于某个对象或类别的像素。[这对于语义分割数据是必要的]
你可以通过使用对象检测器(自定义或预构建)来自动化这一过程,以运行整个视频,并在几秒钟内产生许多对象的图像。
现在是训练网络的时候了。有了这些数据,再加上这些网络的复杂结构,这可能需要几个小时或几天的时间。为了帮助加速,我们支持NVIDIA图形处理器。万博1manbetx
MATLAB处理传输你的数据到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,更快地训练您的网络,甚至可以并行运行多个训练。
这是人们有时会忽略的一个步骤:如果训练有素的网络表现不佳,会发生什么?MATLAB可以帮助您洞察您的网络。您可以可视化图层,并看到当图像通过网络时实际发生了什么。你也可以想象训练的过程,在它结束之前很长一段时间,得到一种感觉。
在这些步骤的末尾,可能在几次迭代之后,您就有了一个完全训练过的网络来执行您的任务。现在是讨论部署的时候了。
MATLAB可以帮助你在任何地方快速部署代码——包括网络、手机或嵌入式gpu。
MATLAB代码在GPU上运行预测非常快。显著的变化是代码生成优化的CUDA代码——代码运行在NVIDIA图形处理器上。
你可以清楚地看到速度的不同。
深度学习在其他领域也有新的研究,比如语音识别和文本分析。这里有两个在MATLAB中运行的非图像深度学习任务的例子。
虽然它确实使深度学习更容易和更容易访问,MATLAB不仅仅是一个深度学习框架。您也可以访问MATLAB提供的所有其他内容。
您还可以在MATLAB中访问其他语言。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来处理这些数据。
查看我们的网站,了解更多关于最新功能和开始的方法。
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。