深度学习工具箱
Concevoir, entraîner等分析réseaux的深度学习
深度学习工具箱™提供环境渗透的concevoir 'implémenter des réseaux de neurones prods avec des算法，modèles pré-entraînés和应用程序。您可以使用réseaux de neurones à卷积(«ConvNets»ou CNN) et des réseaux LSTM (Long - short - Memory) pour effectuer des régressions et des classification sur données textuelles, images et de séries temporelles。你们可以下载créer des architectures de réseau comme des réseaux antagonistes génératifs (GAN)和réseaux siamois en utilisant la différentiation automatique, des boules d’tissage personnalisées et des pondérations partagées。应用深度网络设计师，您可以通过一个界面图形，您可以进行concevoir，分析器等entraîner des réseaux。应用实验经理你们可以访问gérer plusieurs expériences de Deep Learning，可以访问paramètres d' apprentice tisage，可以访问résultats，可以访问compare，可以访问expériences。你们可以看到沙发上的活动，contrôler学徒的进展。
vouspouvezéchangerdesmodèlesavec tensorflow™et pytorchgrâceau格式onnx et进口商desmodèlesdequis tensorflow-keras et caffe。La Toolbox 金宝appSpectse L'Appentissage Par Transfert Avec de NombreuxModèlesPré-entraînés，Parmi Lesquels Darknet-53，Resnet-50，Nasnet Et Screezenet。
您可以下载accélérer le processing d' tissage sur un poste de lail à un ou plusieurs GPU (grâce à Parallel Computing Toolbox™)，您可以下载étendre votre utilisation à des clusters and des des clouds，告诉我们GPU Amazon EC2实例®等英伟达®GPU云(avec MATLAB并行服务器™)。
在知道加上:
Réseaux de neurones à convolution (CNN)
Apprenz Des Motifs Dans des Images Afin deRecomnîtredsbojets，des Visages et desscènes。Créezetentraînezdesreéseauxdeneuronesà卷积（cnn）倒反应器desopérationsd'caractériastiquesetde creamnaissance d'图像。
RéseauxLSTM（短期内存）
例如:données发布信号、音频、文本和séries时间。Créez et entraînez des réseaux LSTM (Long - term Memory) pour efftuer des opérations de classification et e régression. LSTM (Long - term Memory)
Utiliser les réseaux LSTM
建筑雷塞
uterisezdifférentes结构deRéseau告诉Que Les架构DAG（定向acclic图）etrécurrentespléervotreRéseaude深度学习。CrésezdesartacteruresdeRéseauVancéesComeDesRéseauxantagonistesGénératifs
Utiliser différentes架构réseau
深入学习
Créezetentraînez联合国Réseauprofondàpareildezéroavec l'应用程序深度网络设计师。Importez UnModèlePré-entraîné，VisualSezzLaStructureduRéseau，Modifiez Les Couches，RéglezLESParamètresetentraînezlemodèle。
AnalyzerdesRéseauxde深度学习
分析您的架构:réseau afin de détecter et déboguer les erurs和les problèmes de compatibilité avant la phase d’apprentice tisage。可视化réseau和détails的拓扑，告诉我们paramètres和激活entraînables。
Analyzer L'Architecture d'联合国Réseaude深度学习
Gérer des expériences de深度学习
Gérez plusieurs expériences de Deep Learning avec l’application Experiment Manager。向paramètres d' apprentice tissage保证，分析les résultats，比较le code de plusieurs expériences。利用它的视觉化来tracés d' tissage和矩阵的混淆，triez和filtrez les résultats d 'expériences, et définissez des métriques personnalisées pour évaluer les modèles entraînés。
Apprentissage par过户
Accédez à des réseaux pré-entraînés et utilisez-les come point de départ pour apprenre une nouvelle tâche。Exécutez一名学徒可转让给雇主:caractéristiques通知他人:réseau pour une: tâche spécifique。
模型pre-entraines
AccédezAuxRéseauxPré-entraînésLESPlusRécentsSisusde la Recherche Avec Une Seule Ligne De代码。Importez desModèlesPré-entraînés，Y Contris Darknet-53，Resnet-50，Squeezenet，NASNet ET Inception-V3。
分析modèles pré-entraînés
进步de l'appentissage
咨询学徒的进展à chaque itération à l'aide du tracé de différentes métriques。我们将比较放在métriques的验证和métriques的学习中为你们提供一个关于réseau的新环境。
《学徒进度监控员modèle》
激活d一个网格
extra ayez les activation correspondent à une couche, visualisez les caractéristiques apires et entraînez un classificateur de Machine Learning à l'aide des activation。Utilisez l'approche Grad-CAM来理解réseau的深度学习和décisions的分类。
可视化des激活
转换ONNX
Importez et odersez desmodèlesonnx dans matlab® pour assurer l'interopérabilité avec d'autres environnements de Deep Learning. ONNX permet d'entraîner des modèles dans un environnement et de les transférer dans un autre pour inférence. Avec GPU编码器™ ，générez du code NVIDIA®CUDA®优化等用MATLAB编码器™pour générer du code c++ pour le modèle importé。
Interopérabilité avec différents environments de Deep Learning。
进口商从咖啡
导入modèles à partir de Caffe Model Zoo在MATLAB中输入opérations d'inférence和d' apprentice tissage。
进口商modèles à partir de Caffe模型动物园在MATLAB
GPU加速
AccélérezL'appentissage et lesinférencesdu深度学习avec les gpu nvidia havia haute表现。Templyuez l'appentissage sur un poste detravailàgpu独特oudéployezl'appentissage sur placieurs gpu avec dessystèmesdgx dans des datacenters ou sur le云。Vous Pouvez Utiliser Matlab Avec并行计算工具箱NVIDIA兼容CUDA dotés d'uneCapacité de calcal 3.0 ou supérieure．
AccélérationAvecdes GPU
加速云
Accélérez l' apprentice tissage du Deep Learning à l'aide d'instances dans le cloud。Pour obtenir les meilleurs résultats，使用实例GPU高性能。
Accélérersl'appentissage Dans Le Cloud Avec并行计算工具箱Et Matlab Parallel Server。
计算distribue
在réseau avec MATLAB并行服务器上实现深度学习。
增强者La Puissance du Dee Deep学习Avec Le CalculParallèle等丹乐云
模拟
Simulez和générez du code pour réseaux de Deep Learning dans Simulin金宝appk®. utilisez AlexNet, GoogLeNet ou d’autres modèles pré-entraînés。您可以通过转账的方式également simuler des réseaux créés en partde zéro，而不是réseaux LSTM。Accélérez l'exécution de votre réseau de Deep Learning dans 金宝appSimulink avec GPU Coder et les GPU NVIDIA。模拟réseaux的深度学习和contrôle的成分，信号和捕获器的特征和融合为évaluer的影响modèle的深度学习对système的性能的影响。
Réseaux de neurones convolutifs dans modèle Sim金宝appulink®为détection de voies和véhicules
GénérationDeCode.
Utilisez.GPU编码器pour générer du code CUDA optimisé à partir de code MATLAB pour le Deep Learning, la vision embarquée et les systèmes autonomes。Générez du code c++ avecMATLAB编码器PourDépunererdedeRéseauxde Deep学习Sur des Processeurs Intel®Xeon.®ET ARM®皮质®一。Automatisez la compilation croisée et le déploiement du code généré sur les plateformes NVIDIA Jetson™et DRIVE™，et sur des cartes Raspberry Pi™。
深度学习的量化
Quantifiez votre réseau de Deep Learning en INT8 et analysez les折衷précision de量子化的角度和偏差sélectionnées en utilisant le支持包模型量化库。金宝app
Déployer应用程序自治
Matlab Compiler™等MATLAB编译器SDK™vous permettent de déployer des réseaux entraînés en tant que bibliothèques partagées c++， assembly Microsoft®.net，类java®ET包Python.®àpartir de计划Matlab Avec desModèlesde Dee Deave学习。
Partager des Programs Matlab Autonates Avec Matlab编译器
Reseaux监督
Entraînez des réseaux de neurones peu profolds supervisés pour modéliser et contrôler des systèmes dynamiques, classifier des données bruitées et prévoir des événements futures。
Réseau de neurones peu proond。
Réseaux非Supervisés.
Détectez les relations entre les données et définissez automatiquement des modèles de classification en laissant le réseau peu proond s' adjust continuelement aux nouvelles entrées。Utilisez des réseaux non supervisés, auto-organisés，因为我们的沙发cachées和des cartes auto- organizatrices。
署名auto-organisatrice。
Auto-encodeurs empiles
生效一个变换caractéristiques非supervisée在外面的caractéristiques失效维度à部分在这里是données à自动编码器。Vous pouvez également utiliser des auto-encodeurs empilés pour l'徒弟sage supervisé en entraînant et empilant plusieurs encodeurs
Encodeur empile
