Johanna Pingel, MathWorks
学习MATLAB®可以帮助深度学习工作流的任何部分:从预处理到部署。本视频提供了图像和视频的深度学习技术的高级概述。它描述了完整的工作流,并展示了MATLAB如何在各个阶段帮助深度学习应用程序,包括导入和预处理图像,导入预先训练的模型,使用gpu训练模型,调试深度学习结果,以及将深度学习模型部署到包括嵌入式gpu在内的硬件上。
MATLAB中的深度学习框架包括一个完整的工作流,以帮助您快速入门,识别问题,并节省时间。
无论您是深度学习的初学者还是专家,MATLAB都可以提供帮助——从预处理一直到部署。
设计一个深度学习模型至少可以说是具有挑战性的。
幸运的是,MATLAB提供了许多示例来帮助您开始学习,它让您访问许多流行的模型,这些模型由专家设计,并根据数百万张图像进行训练,这为迁移学习提供了一个很好的起点。
除了ONNX的导入和导出功能,MATLAB还提供了从Pytorch和TensorFlow-Keras导入模型的工具。
在训练模型之前,您需要数据。这样的例子有很多。大型数据库可以广泛使用,您可以从MATLAB访问这些数据库,但为了产生任何合理的结果,我们需要将对象与“非对象”分开。你如何在没有花费数周时间的情况下,在成千上万的图像中给物体进行标签?
MATLAB提供了应用程序来帮助解决这一挑战。例如,
你可以在每个图像中选择你关心的对象
您甚至可以选择作为对象或类别一部分的像素。[这是语义分割数据的关键]
你可以通过使用物体探测器(自定义或预构建的)来自动运行整个视频,并在几秒钟内生成物体的许多图像。
现在是时候训练网络了。有了这些数据,再加上这些网络的复杂结构,这可能需要几个小时或几天的时间。为了加快速度,我们支持NVIDIA gpu。金宝app
MATLAB处理您的数据传输到GPU或多个GPU,所以您不需要手动设置或编程自己。扩展到集群和云,更快地培训网络,甚至并行运行多个培训。
这是人们有时会忽略的一个步骤:如果经过训练的网络表现不好会发生什么?MATLAB可以帮助提供对网络的深入了解。你可以将层形象化,看看当图像通过网络时会发生什么。你也可以想象训练过程,在训练结束之前就知道训练是如何进行的。
在这些步骤的末尾,可能经过几次迭代之后,您就有了一个完全训练有素的网络来执行您的任务。现在是讨论部署的时候了。
MATLAB可以帮助您快速部署您的代码在任何地方-包括web,您的电话,或嵌入式gpu。
事实证明,MATLAB代码在GPU上运行预测非常快。最大的变化是代码生成优化了CUDA代码——在NVIDIA gpu上本地运行的代码。
你可以清楚地看到速度上的差异。
在语音识别和文本分析等其他领域,也有关于深度学习的新研究。这里有两个在MATLAB中运行的非图像深度学习任务的例子。
虽然它确实使深度学习更容易、更容易获得,但MATLAB并不仅仅是一个深度学习框架。您也可以访问MATLAB提供的所有其他内容。
你也可以在MATLAB中访问其他语言。将您的开源工作带到MATLAB中,然后使用我们丰富的可视化和应用程序来处理这些数据。
请访问我们的网站,了解更多关于最新功能和入门方法的信息。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。