MathWorks宣布发布MATLAB和Simulink产品族的2017b版万博1manbetx

MathWorks今天推出了Release 2017b (R2017b)，其中包括MATLAB和Simulink中的新特性，6个新产品，以及对其他86个产品的更新和错误修复。s manbetx 845万博1manbetx该版本还增加了新的重要的深度学习功能，简化了工程师、研究人员和其他领域专家设计、训练和部署模型的过程。

深度学习支持万博1manbetx

R2017b中具体的深度学习特性、产品和功能包括:s manbetx 845

• 神经网络工具箱增加了对复杂架构的支持，包括有向无环图(DAG)和长万博1manbetx短期记忆(LSTM)网络，并提供了对流行的预训练模型(如GoogLeNet)的访问。
• 计算机视觉系统工具箱中的图像标签应用程序现在提供了一种方便和交互式的方式来标记一系列图像中的地面真相数据。除了对象检测工作流程外，该工具箱现在还支持使用深度学习对图像中的像素区域进行分类并评估和可视化分割结果的语义分割。万博1manbetx
• 新产品GPU Coder可自动将深度学习模型转换为NVIDIA GPU的CUDA代码。内部基准测试显示，对于已部署的模型，深度学习推理生成的代码的性能比TensorFlow高出7倍，比Caffe2高出4.5倍

加上R2017a中引入的功能，预训练的模型可用于迁移学习，包括卷积神经网络(CNN)模型(AlexNet, VGG-16和VGG-19)，以及来自Caffe的模型(包括Caffe Model Zoo)。模型可以从零开始开发，包括使用cnn进行图像分类、对象检测、回归等。

MathWorks MATLAB市场总监David Rich表示:“随着智能设备和物联网的发展，设计团队面临着创造更多智能产品和应用的挑战，要么自己开发深度学习技能，要么依赖其他拥有深度学习专业知识的团队，而s manbetx 845这些团队可能不了解应用环境。”通过R2017b，工程和系统集成团队可以扩展MATLAB用于深度学习的使用，以更好地保持对整个设计过程的控制，并更快地实现更高质量的设计。它们可以使用预先训练好的网络，在代码和模型上进行协作，并部署到gpu和嵌入式设备上。使用MATLAB可以通过自动化地面真相标记来提高结果质量，同时减少模型开发时间。”

额外的更新

除了深度学习，R2017b还包括了其他关键领域的一系列更新，包括:

• MATLAB数据分析
  • 新的文本分析工具箱产品，可扩展的数据存储，更多用于机器学习的大数据图和算法，以及Microsoft Azure blob存储支持万博1manbetx
• 用Simulink进行实时软件建模万博1manbetx
  • 为软件环境建模调度效果并实现可插拔组件
• 使用Simulink进行验证和验证万博1manbetx
  • 用于需求建模、测试覆盖分析和遵从性检查的新工具

R2017b立即在全球发售。有关更新的完整列表的更多详细信息，请访问新的发布页面。