Johanna Pingel, MathWorks
学习MATLAB®可以帮助任何部分的深度学习工作流程:从预处理到部署。本视频提供了用MATLAB进行深度学习的高级概述。它描述了完整的工作流程,并展示了MATLAB如何在不同阶段帮助深度学习应用,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在内的硬件上。
深度学习继续受到欢迎,几乎扩展到每个应用程序。然而,从深度学习模型到真正的人工智能驱动系统是一项具有挑战性的任务。这里有五个使用MATLAB的理由®你的下一个深刻的学习应用:
MATLAB有用于标记的交互式深度学习应用程序。
这包括信号数据、音频数据、图像和视频。
通常,人们低估了标记数据所需的时间,因此帮助自动化这个过程的应用程序可以帮助您更快地培训模型并查看结果。
当您没有足够的合适场景的数据时,MATLAB可以帮助生成合成数据。
在自动驾驶的情况下,您可以使用3D仿真环境编写场景并模拟不同传感器的输出。
在雷达和通信中,这包括为波形调制识别和目标分类应用生成数据。
MATLAB有多种互动方式和深度学习框架之间传输数据。
MATLAB支万博1manbetx持ONNX在其他框架之间导入和导出模型。例如,可以将在PyTorch中设计的模型引入MATLAB,并使用ONNX框架导出在MATLAB中训练的模型。
MATLAB还支持Pyt万博1manbetxhon互操作性:您可以从MATLAB中调用Python,也可以从Python中调用MATLAB。
我们继续扩大对经过深度学习专家测试和审查的预培训模型万博1manbetx的支持。
接下来,除了C、c++和HDL, MATLAB还为NVIDIA gpu创建了优化的深度学习CUDA代码,包括运行整个算法所需的预处理和后处理代码。
与TensorRT优化CUDA使得推理速度非常快。和代码可被部署到嵌入的NVIDIA GPU。
最后,MATLAB有专门的工具箱和功能:
更不用说结合其他技术,如传统的机器学习和数据科学。
我们还具有高级特性,如GANs、自动区分以及分析和调试层的能力。
你可以在我们的网站上免费试用我们的深度学习软件。如果你刚刚开始或者已经在另一个深度学习框架中工作过,我们有很多例子和视频来帮助你快速开始学习MATLAB。