3 .深度学习的趋势

发布的Johanna Pingel那2018年10月4日

10次浏览(最近30天 0.喜欢| 1条评论

以及MATLAB如何帮助你利用它们。

最后的帖子*，史蒂夫埃德丁写了一些关于一些人的新功能在最新版本中。今天，我想谈谈这些新功能如何适应我们在深度学习中看到的一些更大的趋势。

您可能已经注意到我们继续为此添加更多功能中间阶段在构建你的第一个模型和拥有一个成品之间。

在开始和结束之间的空隙中，我们看到很多工程师花费大量的时间在各种任务上，比如:

提高参数调谐的模型的准确性。

转换模型到C或CUDA，以利用速度和硬件。

试验新网络架构进行转移学习。

我们开始看到，针对这些乏味而耗时的任务，出现了新的趋势。

虽然以下趋势并不是MATLAB所特有的，但我们的最新版本已经能够完全拥抱这个深度学习的中间阶段。如果你过去“什么是深度学习?”，阅读探索以深入学习进入杂草后出现的3个趋势。

趋势1:云计算

我们都知道训练复杂的网络需要时间。除此之外，还有一些技巧贝叶斯优化- 将多次培训您的网络与不同的训练参数培训 - 可以以成本提供强大的结果：更多时间。缓解某些这种痛苦的选项是将本地资源从集群（HPC）或云移动到群集。云作为一个很好的资源来涌现：提供最新的硬件，一次多个GPU，并且仅在需要时支付资源。

MATLAB如何帮助您实现这一趋势:

看看MATLAB云计算页面。

以及MATLAB特定的NVIDIA GPU云(NGC)支持金宝app文件．

还有一个关于如何设置MATLAB和NGC的步行视频在这里．

趋势＃2：互操作性

让我们面对它：没有一个框架，可以为从开始完成深度学习的一切方面提供“最佳级别”。深度学习框架之间的互操作性趋势，主要是通过onnx.ai.，允许用户在方便的情况下切换深度学习框架。MathWorks是推动这一趋势向前发展的团体的一部分，这就是为什么现在是检验各种深度学习框架的好时机。

MATLAB如何帮助您实现这一趋势:

matlab有onnx.进口和出口能力通过这种支持包金宝app

趋势＃3：多部署选项

假设你已经到达了终点:你有一个深度学习模型来执行你预想的任务。现在您需要将模型送到它的最终目的地。多部署可以有不同的定义，所以让我将其定义为“根据您的特定需求将模型部署到正确的位置”。这可以是网络、手机、嵌入式处理器或gpu。

如果您的目标是GPU，CUDA通过代码优化提供了最佳，最有效的处理。是的，CUDA已经存在了一段时间，但优化图书馆喜欢张力和推力值得一看。对普通的CUDA规范加速30％并不是闻所未闻，而且超出了200％的加速，您可以将特定于框架的代码转换为CUDA。（我们将在未来的帖子中讨论更具体的数字。）

MATLAB如何帮助您实现这一趋势:

GPU编码器是值得关注的产品。它被命名为Embedded Vision的2018年度最佳产品．

MATLAB对各种设备有编码器工具和支持软件包：包括i金宝appOS，Android和FPGA来命名几个

虽然不是深度学习，我听说过程序设计师现在支持金宝appWeb应用程序部署。

在我们的最新版本中，MATLAB有能力允许您完全拥抱这些趋势，并将继续以趋势变化和发展而响应。此版本是新的深度学习功能的特别好，我鼓励您更深入的样子。

*介绍：正如Steve在他的上一篇文章中提到的，我将接管这个博客，我对这个新的挑战感到非常兴奋!对于那些感兴趣的人，我想介绍一下我自己，并谈谈我对这个博客的看法。

正如你可能已经看到的，我一直在为这个角色热身，作为一名客座博主，写关于“深度学习的行动”(第1部分那第2部分和第3部分）在此之前，我接管了“一周的挑选”博客并写了关于我们的深度学习教程系列．我维护了这一点用于深度学习的MATLAB内容，我出现在几个视频经常出现在我们的网站上。

背景:我在MathWorks工作了5年。我一开始是一名应用工程师，这意味着我要去客户的网站并向客户展示，专攻图像处理和计算机视觉。我的理论是，读这篇文章的大多数人都没有参加过MathWorks研讨会，我希望能改变这种情况。我现在的工作是市场营销**:我现在的工作是确保每个人都知道工具的能力以及如何解决他们的问题，这个博客很适合这个工作描述。

**当他们听到营销这个词时，有些人会颤抖。它仍然是一个技术角色，我刚刚发生在花时间更好的措辞，格式化和可视化。这对你来说是一个双赢。你会看到的！

博客愿景：我对这个博客的看法用一个词来概括就是使用权．我能接触到内部消息是因为我在这里工作。我写这个博客的目的就是成为这些信息的来源。我想谈谈幕后的深度学习，你可能没有看到通过阅读文档。虽然我不能分享未来的计划，但我可以提供见解、演示、开发者问答时间，以及你在产品中找不到的代码。这是视觉。我希望你能和我一起踏上这段旅程!