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。