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,您可以将深度学习技术应用到您的工作中,无论您是设计算法、准备和标记数据,还是生成代码并部署到嵌入式系统。

使用MATLAB,您可以:

  • 使用深度学习架构创建、修改和分析应用程序和可视化工具
  • 数据预处理和自动化真实的标签图像,视频和音频数据使用应用程序。
  • 加快算法英伟达®gpu云和数据中心资源,没有专门的编程。
  • 使用像这样的框架与同伴协作TensorFlow PyTorch,和MxNet。
  • 模拟和训练动态系统行为强化学习
  • 生成基于仿真的从MATLAB和Simulink中训练和测试数据万博1manbetx®物理系统的模型。

看看其他人如何使用MATLAB进行深度学习

面板的导航

壳牌

在高光谱卫星数据中使用语义分割进行地形识别。

面板的导航

Autoliv

标记激光雷达用于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大大减少了使用特定于领域的应用程序对音频、视频、图像和文本数据预处理和标记数据集所需的时间。同步不同的时间序列,用内插值替换离群值,去模糊图像,并过滤噪声信号。使用交互式应用程序来标记、裁剪和识别重要的特性,以及内置的算法来帮助自动标记过程。

设计、培训和评估模型

从一套完整的算法和预构建的模型开始,然后使用deep Network Designer应用程序创建和修改深度学习模型。针对特定领域的问题合并深度学习模型,而不必从头创建复杂的网络架构。

使用技术来寻找最佳的网络超参数和并行计算工具箱™和高性能NVIDIA gpu来加速这些计算密集型算法。使用MATLAB中的可视化工具和渐变- cam和遮挡敏感性等技术来深入了解您的模型。

模拟并生成合成数据

精确模型的数据是至关重要的,当您没有足够的正确场景时,MATLAB可以生成更多的数据。例如,使用来自游戏引擎的合成图像,例如Unreal Engine®,将更多的边缘情况。使用生成对抗网络(甘斯)来创建自定义的模拟图像。

在数据从传感器获得之前,通过从Simulink生成合成数据来测试算法,Simulink是自动驾驶系统中常用的一种方法。万博1manbetx

与基于python的框架集成

这不是MATLAB和开源框架之间的一个非此即彼的选择。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的模型库,包括NASNet、SqueezeNet、incep- v3和ResNet-101,以便快速入门。从MATLAB中调用Python以及从Python中调用MATLAB的能力允许您轻松地与使用开放源码的同事协作。

部署训练网络

将您训练好的模型部署到嵌入式系统、企业系统或云上。MATLAB支万博1manbetx持自动CUDA®为训练的网络,以及预处理和后处理的代码生成专门针对最新的NVIDIA gpu,包括Jetson Xavier和Nano。

当性能很重要时,您可以从Intel生成利用优化库的代码®(MKL-DNN),英伟达(TensorRT, cuDNN)和ARM®(ARM计算库)来创建具有高性能推理速度的可部署模型。

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

开始与深入学习技术在这个自由,动手教程。

探索启动资源

观看演示,探索交互式示例,并访问免费教程。

获得免费试用

30天的探索在你的指尖。

探索深度学习工具箱

有问题吗?

和深度学习专家谈谈。