信号处理的深度学习
信号标记和数据集管理
有了MATLAB，您可以使用内置的应用程序和特定领域的工具，可以帮助我们完成特定任务，例如标签和管理大量是太大，无法在内存信号数据的准备信号数据。
了解更多
时频变换
时频表示描述了信号中的频谱内容如何随时间变化。您可以训练深度学习网络，该网络可以从时频表示中识别和提取模式。您还可以从各种技术中进行选择，这些技术可以生成信号的时频表示，包括频谱图、mel频谱图、Wigner Ville和连续小波变换（或尺度图）。
了解更多
预处理与特征提取
信号预处理是用于提高整体信号质量的重要步骤。您可以使用内置功能和应用程序来清理信号并在培训深网络之前删除不需要的工件。您还可以从信号中提取标准和域特定功能以减少培训深度学习模型的数据维度。您还可以使用自动特征提取技术，例如小波散射，从信号和培训深网络中获得低方差功能。
了解更多
信号产生与采集
深度学习模型通常需要大量数据进行培训和验证。在某些情况下，数据的可用性可以是采用深度学习技术的限制因素。使用MATLAB和其他用于信号处理应用的附加组件，您可以模拟与实际情况密切匹配的合成数据，并使用深度学习技术开发模型。您可以将MATLAB与外部硬件接口以获取真实数据，以便通过早期原型验证培训的型号。
了解更多
网络设计，培训和部署
交互式设计网络，使用NVIDIA加速培训®GPU，并更快地获得良好的结果。
设计
使用ONNX导入预训练模型™, 然后使用Deep Network Designer应用程序添加、删除或重新排列层。
训练
无论您使用的是一个GPU、多个GPU、云上GPU还是NVIDIA DGX，MATLAB都支持使用一行代码进行多GPU培训。金宝app
部署
在任何地方部署深度学习模型。自动生成在ARM上本机运行的代码®和英特尔®MKL-DNN。导入您的深度学习模型并生成CUDA®代码，针对TensorRT和CuDNN库
