MathWorks今天推出了MATLAB和Simulink的2018b版。该版本包含对深度学习的重大增强，以及金宝app跨产品系列的新功能和错误修复。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更轻松地设计复杂的网络体系结构，并改进其深度学习模型的性能。
MathWorks最近加入了ONNX社区，以证明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。使用R2018b中的新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。这种互操作性在MATLAB中训练的bles模型可用于其他框架。类似地，在其他框架中训练的模型可用于调试、验证和嵌入式部署等任务。此外，R2018b提供了一组精心策划的参考模型，可通过一行代码访问。此外，还可通过使用Caffe和Keras Tensorflow的模型。金宝app
MathWorks的MATLAB营销总监David Rich说：“随着深度学习在多个行业中越来越普遍，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，深度学习新手和专家可以通过使用从研究到原型再到生产的集成式深度学习工作流，使用MATLAB学习、应用和进行高级研究。”
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力和易用性：
- Deep Network Designer应用程序，使用户能够创建复杂的网络架构或修改复杂的预训练网络以进行迁移学习
- 通过使用NVIDIA GPU云上的MATLAB Deep Learning Container以及针对Amazon Web Service金宝apps和Microsoft Azure的MATLAB参考体系结构支持云供应商，提高了网络培训性能，使其超越了桌面功能
- 扩展了对特定领域工作金宝app流的支持，包括音频、视频和特定于应用程序的数据存储的地面真相标记应用程序，使处理大量数据集变得更容易、更快
在R2018b中，GPU编码器通过支持NVIDIA库和添加优化（如自动调整、层融合和缓冲区最小化）继续改进推理性能。此外，还使用“英特金宝app尔MKL-DNN”和“ARM计算库”为英特尔和ARM平台添加了部署支持。
R2018b立即提供，包括对MATLAB和Simulink产品系列的更新，包括代码生成、信号处理和通信以及验证和验证的新功能。有关金宝appMATLAB和Simulink产品系列的所有新功能和错误修复的信息，请观看R2018b精彩视频。
