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深度学习技术的高级概述。它描述了完整的工作流程,并展示了MATLAB如何在不同阶段帮助深度学习应用程序,包括导入和预处理图像、导入预训练模型、使用gpu训练模型、调试深度学习结果、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程,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都可以帮助 - 从预处理到部署一直。
设计深入学习模型可能是挑战的最少。
幸运的是,MATLAB有很多示例可以帮助您入门,它让您可以访问许多流行的模型,这些模型是由专家设计的,并对数百万张图像进行了训练,这为迁移学习提供了一个很好的起点。
MATLAB提供了从Pytorch和TensorFlow-Keras导入模型的工具,除了ONNX导入和导出功能。
在你训练一个模型之前,你需要数据。这样的例子有很多。大型数据库随处可见,您可以从MATLAB中访问这些数据库,但要产生任何合理的结果,我们需要将对象与“非对象”分开。如何在不花费数周时间的情况下在数千张图像中标记对象?
MATLAB提供了应用程序来帮助解决这个挑战。例如,
您可以在每张图片中选择您关心的对象
您甚至可以选择作为对象或类别一部分的像素。[这对于语义分割数据是至关重要的]
并且您可以通过使用对象探测器(自定义或预构建)来自动化此操作,以便通过整个视频运行,并以秒为单位生成对象的许多图像。
现在是时候训练网络了。随着所有这些数据,以及这些网络的复杂结构,这可能需要数小时或几天。为了帮助速度,我们支持NVIDIA GPU。金宝app
MATLAB处理将您的数据传输到GPU或多个GPU,所以您不需要手动设置或自己编程。扩展到集群和云并更快地训练你的网络,或者甚至并行地运行多个训练。
这是一个人们有时会忽略的步骤:如果训练过的网络表现不好会发生什么?MATLAB可以帮助你洞察你的网络。您可以将图层可视化,并看到当图像通过网络时实际发生了什么。您还可以将培训过程形象化,以便在培训结束之前就了解培训过程的进展情况。
在这些步骤结束时,可能在几个迭代之后,您有一个完全训练的网络来执行任务。现在是时候谈话部署了。
MATLAB可以帮助您快速部署您的代码的任何地方-包括网页,您的电话,或嵌入式图形处理器。
事实证明MATLAB代码非常快速地运行GPU上的预测。重大变化附带代码生成优化了CUDA代码 - 在NVIDIA GPU上运行的代码。
你可以清楚地看到速度的不同。
还有关于其他领域的深度学习研究,如语音识别和文本分析。以下是在MATLAB中运行的非图像深度学习任务的两个示例。
虽然它确实使深度学习更容易和更容易访问,MATLAB不只是一个深度学习框架。您还可以访问MATLAB提供的所有其他功能。
您还可以在MATLAB中访问其他语言。将您的开源工作引入MATLAB,然后使用我们丰富的可视化和应用程序来处理这些数据。
查看我们的网站,了解更多关于最新功能和入门方法的信息。