用于深度学习的MATLAB

深度神经网络的数据准备、设计、仿真和部署

只需要几行MATLAB代码®无论你是设计算法,准备和标记数据,还是生成代码并部署到嵌入式系统,你都可以将深度学习技术应用到你的工作中。

用MATLAB,你可以:

  • 创建、修改和分析深度学习架构应用程序和可视化工具
  • 预处理数据和自动化地面真理标签使用应用程序的图像,视频和音频数据。
  • 加快算法英伟达®GPUS.、云和数据中心资源,而不需要专门的编程。
  • 使用诸如Tensorflow,Pytorch,和mxnet。
  • 模拟和训练动态系统的行为加强学习
  • 生成仿真为基础训练和测试数据来自MATLAB和Simulink万博1manbetx®物理系统的模型。

了解其他人如何使用Matlab进行深度学习

面板的导航

壳牌

在高光谱卫星数据中利用语义分割进行地形识别。

面板的导航

Autoliv

激光雷达标签,以验证基于雷达的自动驾驶系统。

面板的导航

立命馆大学

在CT图像上训练卷积神经网络以减少辐射暴露风险。

准备和标签图像,时间序列,和文本数据

MATLAB显着降低了预处理和标签数据集的时间,具有用于音频,视频,图像和文本数据的域特定应用。同步不同时间序列,替换具有内插值,deBlur图像和滤波的异常值。使用交互式应用程序来标记,裁剪和标识重要功能,内置算法,以帮助自动化标签过程。

设计,火车和评估模型

从一套完整的算法和预构建模型开始,然后使用深网络设计器应用程序创建和修改深度学习模型。在不必从头开始创建复杂的网络架构,包括特定于域的问题的深度学习模型。

使用技术来查找最佳网络超参数和并行计算工具箱™和高性能NVIDIA GPU,以加速这些计算密集型算法。使用Matlab和Grad-Cam等技术中的可视化工具和遮挡敏感性,以获得模型的洞察力。使用Si万博1manbetxmulink评估训练有素的深度学习模型对系统级性能的影响。

模拟和生成合成数据

准确模型的数据至关重要,当您没有足够的正确方案时,Matlab可以生成更多数据。例如,使用来自博彩发动机的合成图像,例如虚幻引擎®,以纳入更多的边缘情况。使用生成对抗网络(GANs)创建自定义模拟图像。

通过从Simulink生成合成数据,通过从Simulink的合成数据获得数据之前,在自动化驱动系统中常用的方法可以从传感器获得测试算法。万博1manbetx

与基于python的框架集成

这并不是在MATLAB和开源框架之间做出选择。MATLAB允许您使用ONNX导入功能从任何地方访问最新的研究,您还可以使用预构建模型库,包括NASNet、SqueezeNet、启普-v3和ResNet-101,以快速入门。从MATLAB调用Python和从Python调用MATLAB的能力允许您轻松地与使用开源的同事协作。

部署训练网络

将训练过的模型部署到嵌入式系统、企业系统、FPGA设备或云上。MATLAB支万博1manbetx持自动CUDA® 专门针对最新NVIDIA gpu的训练网络以及预处理和后处理的代码生成。

当性能很重要时,您可以生成利用Intel优化的库的代码®英伟达(NVIDIA)和ARM®创建具有高性能推理速度的可部署模型。对于edge部署,您可以在FPGA上创建网络原型,然后生成面向任何设备的可生产的HDL。

深度学习的话题

面板的导航

信号处理

获取和分析信号和时间序列数据。

面板的导航

计算机视觉

获取、处理和分析图像和视频。

面板的导航

强化学习

定义、培训和部署强化学习策略。

开始快

深度学习斜坡弯道

在这个免费的动手教程中开始使用深度学习技术。

探索入门资源

观看演示,探索互动示例,并访问免费教程。

获得免费试用

在你的指尖探索30天。

探索深度学习工具箱

有问题吗?

和深度学习专家聊聊。