用于深度学习的MATLAB
数据准备,设计,仿真和部署深层神经网络
只需几行MATLAB的®代码,你可以申请深度学习技术,将您的工作是否你设计的算法,准备和标记数据,或生成代码,并部署到嵌入式系统。
有了MATLAB,您可以:
- 使用深度学习架构创建、修改和分析应用和可视化工具。
- 数据预处理和自动化地面实况标签图像,视频和音频数据的使用的应用程序。
- 加快算法NVIDIA®图形处理器,云,没有专门的编程数据中心资源。
- 协作使用框架,比如同行TensorFlow,PyTorch,和MxNet。
- 模拟和列车动力系统的行为与强化学习。
- 生成基于模拟从MATLAB和Simulink训练和测试数据金宝app®物理系统的模型。
参考他人如何使用MATLAB深学习
贝壳
用途用于高光谱卫星数据的地形识别语义分割。
奥托立夫
标签LIDAR用于基于雷达自动驾驶系统的验证。
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。
只需几行MATLAB的®代码,你可以建立深层的学习模式,而不必成为专家。MATLAB探索如何能够帮助你进行深度学习任务。
- 轻松访问最新的车型,其中包括GoogLeNet,VGG-16,VGG-19,AlexNet,RESNET-50,RESNET-101,和启-V3。
- 加快算法NVIDIA®图形处理器,云,没有专门的编程数据中心资源。
- 创建,修改和使用MATLAB应用程序分析复杂的深层神经网络结构和可视化工具。
- 自动化地面实况标签图像,视频和音频数据的使用的应用程序。
- 从模型工作咖啡和TensorFlow-Keras。
- MATLAB支金宝app持ONNX™,所以你可以使用框架,比如同行合作PyTorch和MxNet。
为什么要使用MATLAB深学习?
互通性
这不是一个非此即彼/或选择基于Python框架MATLAB之间。MATLAB支金宝app持开源使用ONNX导入和导出功能深度学习框架的互操作性。使用MATLAB工具最重要的位置 - 访问能力和预置的功能和Python应用程序不可用。
应用服务预处理
获取网络训练快。预处理的数据集快速与音频,视频和图像数据的特定领域的应用。可视化,使用深层网络设计的应用程序来创建复杂的网络架构或修改预训练的网络转移学习培训前检查,并解决问题。
多平台部署
部署深学习模型在任何地方包含CUDA,C代码,企业系统,或云。当性能的问题,您可以生成代码,它利用英特尔优化库®(MKL-DNN),NVIDIA(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。
尝试高级技术
尝试高级技术
入门
尝试高级技术
- 部署生成的代码在AWS上的GPU深学习(4:50)
获取免费试用
30天唾手可得的探索。
探索深度学习工具箱
有问题吗?
跟一个深度学习专家。