Mathworks Ha Thinksado Hoy LaVersión2017B(R2017B),Que Of Rece Nuevas Funciones en Matlab Y Simu金宝applink,AsíComoSeisNuevos Productos Y可实现Y Contecciones Para Otros 86 Productos。EstaVersiónTambiénAñade重要的是电容Nuevas de Aprendizaje Profundo Que Simplifican La Forma en que los Ingenieros,Investigodores Y Otros ElectosDiseñan,entrenan Y despliegan Modelos。
Compatibilidad Con El Aprendizaje Profundo
Entre Las Funciones,Los Productos Y Las CompancidadesEspectíficasPara El Aprendizaje Profundo de laVersiónR2017BSENENUENTRAN:
- Neural Network Toolbox of Rece Ahora Compatibilidad Con Arquitecturas Complejas,Contuidas Las Redes Dag(GrafoAcíclicoIvigido)y Lstm(Memoria de Corto-Largo Plazo),AdemásdeProvorcionarAcceso A Modelos Powdise Pvirivimente entrenados,Tales Como Googlenet。
- LaAplicación图像贴图仪De计算机视觉系统工具箱Proporciona Ahora Una FormaCómodae Interactiva Para atiquetar Datos deValidAciónntrenoen una secuencia deimágenes。Ademásde los flujos de trabajo dedeteccióndebjetos,esta toolboxtambiénafiteahora lasegingaciónsemánticamediante aprendizaje profundo para clasificar地区depíxelesen lasimágenes,AsíComo评估y Visualizar Los ResultAdos de lasegingación。
- UN Nuevo Producto,GPU编码器,ConvierteAutomáticamenteLOSModelOS de Aprendizaje Profundo enCódigode Cuda Destinado A GPUS de Nvidia。LAS比较项目内部Muestran Que ElCódigoyodopara la andencia mediante aprendizaje profundo entienen联合国rendimiento hasta siete veces superior al de tensorflow y cuatro veces y Media supander al de caffe2 en el caso de los modelos desplegados。*
Ademásde las Applicades In En LaVersiónR2017A,SE Pueden Emplear Modelos PreviaMente Entrenados Para El Aprendizaje Por Transforcenia,Contuidos Modelos de Redes Neuralales Quicolionales(CNN)(亚历克网,VGG-16 Y VGG-19),AsíComoModelos de Caffe(包含Caffe模型动物园)。Los Modelos Se Pueden Desarrollar Desde Cero,Lo Weal Chantuye El Uso De Redes CNN Para LaClasificacióndeMágenes,Ladeteccióndeobjetos,LaRegresión等。
“Con El DesArrollo de Los Dissositivos Inteligentes Y De Internet de Las Cosas,Los Equipos deDiseñoSeenfrentan al Reto de Crese Products YAplicacionesmásinteligentes mediante el desarrollo por su cuenta de habilidades relacionadas con El Apenizaje Profundo O Confiando en Otros Equipos Con Superenciaen aprendizaje profundo que pueden no Contenter el Contexto de laaplicación“,Segúnafirma david Rich,Dement De Matlab en Mathworks。“柯拉VersiónR2017B,LOS Equipos deIngenieríaEOctentacióndeSistemasPueden Ampliar El Uso De Matlab Para El Aprendizaje Profundo A Fin de al Control Sobre Todo El Proceso deDiseñoyy Logrardiseñosde Mayor CalidadConmásrapidez。Pueden Eveples Redes Previmmente Enrrenadas,Colaborar en ElCódigoy Los Modelos,Y Realizar El Despliegue en GPUS Y Discositivos EmbeBidos。El Uso de Matlab Puede alumentar la Calidad del HeastaMo,A La Vez Que Se减少El Tiempo de desarrollo del Modelo Gracias a LaAutomatizacióndeltiquetadodeValidaciónnten。“
可行性adicionales
Ademásdelapenizajeprofundo,LaVersiónR2017BTambiénCrentuyeUna Serie de Actualizaciones enOtrasÁreasprove,tales como:
- Análisisde Datos Con Matlab
- El Nuevo Producto文本分析工具箱,UNAlmacéndeDatos可扩大床,MásGráficosY algoritmos de大数据Para AprendizajeAutomáticoYy Compatibilidad Con El Almacenamiento de Blobs Mediante Microsoft Azure。
- El Nuevo Producto文本分析工具箱,UNAlmacéndeDatos可扩大床,MásGráficosY algoritmos de大数据Para AprendizajeAutomáticoYy Compatibilidad Con El Almacenamiento de Blobs Mediante Microsoft Azure。
- Modelado de Software en Tiempo Real Con 金宝appSimulink
- Modele LOS EFectos de laPlanificacióneiference组件Unifallabtions en los Entornos de软件。
- Modele LOS EFectos de laPlanificacióneiference组件Unifallabtions en los Entornos de软件。
- VerificAciónY有效的Con Simulink金宝app
- Nuevas Herramientas Para Modelado de Requisitos,AnálisisdeCoberturade Pruebas YComprobacióndeConformidad。
LaVersiónR2017Byaestáildonibleen todo el mundo。Para ObenerMásSobreLa Lista Completa de Actualizaciones,VisiteLaPáginade la NuevaVersión。