MathWorks今天介绍了MATLAB和Simulink的2018b版本。金宝app该版本包含了对深度学习的重要增强,以及跨产品系列的新功能和bug修复。新的深度学习工具箱,取代了神经网络工具箱,为工程师和科学家提供了一个设计和实现深度神经网络的框架。现在,图像处理、计算机视觉、信号处理和系统工程师可以使用MATLAB更容易地设计复杂的网络体系结构,并提高他们的深度学习模型的性能。
MathWorks最近加入了ONNX社区,以展示其对互操作性的承诺,从而支持MATLAB用户和其他深度学习框架之间的协作。在R2018b中使用新的ONNX转换器,工程师可以从支持的框架(如PyTorch、MxNet和TensorFlow)导入和导出模型。金宝app这种互操作性使得在MATLAB中训练的模型可以用于其他框架。类似地,可以将在其他框架中训练的模型引入MATLAB,用于调试、验证和嵌入式部署等任务。此外,R2018b提供了一组可通过一行代码访问的参考模型。另外,附加的模型导入器支持使用来自Caffe和Keras-Tensorflow的模型。
MATLAB营销总监、MathWorks的David Rich说:“随着深度学习在多个行业变得越来越普遍,有必要使其广泛可用、可访问,并适用于不同专业的工程师和科学家。”“现在,深度学习的初学者和专家可以使用MATLAB学习、应用和进行高级研究,使用从研究到原型再到生产的集成深度学习工作流。”
MathWorks通过以下方式继续提高R2018b中深度学习工作流的用户生产率和易用性:
- 深度网络设计应用,使用户可以创建复杂的网络架构或修改复杂的预先训练的网络进行转移学习
- 通过使用NVIDIA GPU云上的MATLAB深度学习容器和Amazon Web Services和Microsoft Azure的MAT金宝appLAB参考体系结构来支持云供应商,提高了超出桌面能力的网络培训性能
- 扩展了对特定于域的工金宝app作流的支持,包括针对音频、视频和特定于应用程序的数据存储的ground-truth标记应用程序,使处理大量数据变得更容易、更快
在R2018b中,GPU编码器通过支持NVIDIA库和增加诸如自动调优、层融合和缓冲区最小化等优化来继续提高推理性能。金宝app此外,还使用Intel MKL-DNN和ARM计金宝app算库为Intel和ARM平台添加了部署支持。
R2018b立即可用,包括对MATLAB和Simulink产品系列的更新,包括代码生成、信号处理和通信、验证和验证的新功能。金宝app有关MATLAB和Simulink产品系列的所有新功能和bug修复的信息,请参见R2018b highlight视频。金宝app