MATLAB中的深度学习框架包括一个完整的工作流程，可以帮助您快速入门、识别问题并节省时间。

无论您是深度学习的初学者还是专家，MATLAB都可以提供帮助——从预处理一直到部署。

设计一个深度学习模型可以说是一个挑战。

幸运的是，MATLAB有许多示例可以帮助您入门，并且它允许您访问许多流行的模型，这些模型是由专家设计的，并经过数百万幅图像的训练，这为转移学习提供了一个很好的起点。

除了ONNX的导入和导出功能外，MATLAB还提供了从Pytorch和TensorFlow-Keras中导入模型的工具。

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，您可以从MATLAB中访问它们，但是为了产生任何合理的结果，我们需要将对象与“非对象”分离。你如何在成千上万的图像中标记物体而不用花费几周时间?

MATLAB提供了一些应用程序来帮助解决这个难题。例如,

您可以在每个图像中选择您关心的对象

您甚至可以选择对象或类别的一部分像素。[这对语义分割数据至关重要]

你可以通过使用对象探测器(自定义或预构建)来自动完成这一过程，来运行整个视频，并在几秒钟内生成许多对象的图像。

现在是时候对网络进行培训了。考虑到所有这些数据，以及这些网络的复杂结构，这可能需要数小时或数天的时间。为了加快速度，我们支持NVIDIA gpu。万博1manbetx

MATLAB处理将你的数据传输到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，甚至并行地运行多个训练。

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可以帮助您深入了解您的网络。您可以可视化层，并查看当图像通过网络时实际发生了什么。你也可以将训练过程形象化，以便在训练结束前对其进行了解。

在这些步骤的末尾，可能经过几次迭代之后，您就有了一个完全经过训练的网络来执行您的任务。现在是讨论部署的时候了。

MATLAB可以帮助您快速地将代码部署到任何地方——包括web、电话或嵌入式gpu。

MATLAB代码在GPU上运行预测非常快。重要的变化是代码生成优化了CUDA代码——在NVIDIA gpu上本地运行的代码。

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。下面是在MATLAB中运行的两个非图像深度学习任务示例。

虽然MATLAB确实使深度学习更容易、更容易实现，但它不仅仅是一个深度学习框架。您还可以访问MATLAB提供的所有其他内容。

您还可以在MATLAB中访问其他语言。将您的开源工作引入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。

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。