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。本视频从高层次概述了图像和视频的深度学习技术。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。
MATLAB中的深度学习框架包括一个完整的工作流,以帮助您快速入门,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一个挑战。
幸运的是,MATLAB提供了许多示例来帮助您开始学习,它让您访问许多流行的模型,这些模型由专家设计,并根据数百万张图像进行训练,这为迁移学习提供了一个很好的起点。
除了ONNX的导入和导出功能,MATLAB还提供了从Pytorch和TensorFlow-Keras导入模型的工具。
在训练模型之前,需要数据。很多。大型数据库广泛可用,您可以从MATLAB访问这些数据库,但要产生任何合理的结果,我们需要将对象与“非对象”分开。如何在数千张图像中标记对象而不花费数周时间?
MATLAB提供了应用程序来帮助解决这一挑战。例如,
你可以在每个图像中选择你关心的对象
您甚至可以选择作为对象或类别一部分的像素。[这是语义分割数据的关键]
您可以通过使用对象检测器(自定义或预构建)来自动完成这一过程,以运行整个视频,并在几秒钟内生成对象的许多图像。
现在是训练网络的时候了。有了所有这些数据,以及这些网络的复杂结构,这可能需要数小时或数天。为了帮助加快速度,我们支持NVIDIA GPU。万博1manbetx
MATLAB处理您的数据传输到GPU或多个GPU,所以您不需要手动设置或编程自己。扩展到集群和云,更快地培训网络,甚至并行运行多个培训。
这是人们有时会忽略的一个步骤:如果经过训练的网络表现不好会发生什么?MATLAB可以帮助提供对网络的深入了解。你可以将层形象化,看看当图像通过网络时会发生什么。你也可以想象训练过程,在训练结束之前就知道训练是如何进行的。
在这些步骤结束时,可能经过几次迭代之后,您就有了一个训练有素的网络来执行您的任务。
MATLAB可以帮助您快速部署您的代码在任何地方-包括web,您的电话,或嵌入式gpu。
事实证明,MATLAB代码在GPU上运行预测非常快。这一重大变化来自优化CUDA代码的代码生成——该代码在NVIDIA GPU上本机运行。
你可以清楚地看到速度上的差异。
在其他领域也有关于深度学习的新研究,比如语音识别和文本分析。
虽然它确实使深度学习更容易、更容易获得,但MATLAB并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。
你也可以在MATLAB中访问其他语言。将您的开源工作带到MATLAB中,然后使用我们丰富的可视化和应用程序来处理这些数据。
请访问我们的网站,了解更多关于最新功能和入门方法的信息。
您还可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。