深度学习工具箱
딥러닝신경망설계,훈련및분석
深度学习工具箱™││││││││││││││││││││││││││││││││││││││││││├컨벌루션신경망（CONDNET，CNN）및및기억（LSTM）신경망신경망사용용하여，시계열시계열및텍스트이터에대한분류분류및회귀를를수수수수수수수자동미분，사용자지정훈련루프및가중치사용하여하여생성신경망（gan）및및샴신경망과같은신경망신경망구축할수수심층신경망디자이너앱을사용하여신경망을을시각설계，분석및훈련시킬수。실험관리자앱을사용하면여러딥러닝을관리하고，훈련훈련파라미터를추적，결과를분석하고，서로다른실험의를비교할수。00
ONNX형식을통해TensorFlow™및PyTorch와모델을교환하고,TensorFlow-Keras및咖啡에서모델을가져올수있습니다。또한DarkNet-53、ResNet-50 NASNet, SqueezeNet및기타많은사전훈련된모델에대한전이학습을지원합니다。
并行计算工具箱™를사용하여단일또는다중GPU워크스테이션에서훈련의속도를높이거나MATLAB并行服务器™를사용하여NVIDIA®GPU云및亚马逊EC2®GPU인스턴스가있는클러스터와클라우드로확장수있습니다있습니다있습니다。
시작하기：
컨벌루션신경망
물체,얼굴및장면인식을위해영상내의패턴을학습합니다。특징추출및영상인식을수행하기위해컨벌루션신경망(CNN)을구성하고학습합니다。
장단기기억신경망
신호,오디오,텍스트및기타시계열데이터를포함한시퀀스데이터에서장기종속성을학습합니다。분류및회귀를수행하기위해장단기기억(LSTM)신경망을구성하고학습합니다。
LSTM을사용한작업。
신경망아키텍처
딥러닝딥러닝신경망을구축하기위해유방향비순환（DAG）및순환아키텍처와같은다양구조구조사용할할수수수수수수수사용자지정훈련루프，공유가중치및및자동미분사용하여하여생성적적대（gan）과샴신경망과같은고급아키텍처아키텍처구축할있습니다있습니다아키텍처구축할수있습니다。
다양한신경망아키텍처를사용한한。
딥러닝신경망설계
심층신경망이너앱을사용하여하여처음부터딥신경망을생성하고하고하고사전훈련된모델을가져오고，신경망구조를시각화，계층을편집하고，파라미터를조정하여훈련시킬수。
딥러닝신경망분석
학습전에오류,경고및레이어호환성문제를감지및디버그하기위해신경망아키텍처를분석할수있습니다。신경망의위상을시각화하고학습가능한파라미터및활성화와같은세부정보를볼수있습니다。
딥러닝신경망아키텍처분석。
딥러닝실험관리
실험관리자앱으로여러딥러닝실험을관리할수있습니다。훈련파라미터를추적하고,결과를분석하고,서로다른실험에대한코드를비교할수있습니다。훈련플롯,정오분류표와같은시각화도구를사용하고,실험결과를정렬및필터링하고,사용자지정메트릭을정의하여훈련된모델을평가합니다。
전이학습
사전훈련된신경망을작업을학습하기위한바탕사용하고，신경망에서에서한특징특정작업사용할수전이학습을수행할수있습니다。
사전훈련된모델
단한줄의코드로최신결과의사전훈련신경망을사용할수있습니다。Darknet-53，Resnet-50，Screezenet，NASNet，Inception-V3과같은사전훈련된모델모델가져올수수。
사전훈련된모델의분석。
훈련진행상황
다양한메트릭의플롯을사용하여모든반복에대해훈련진행상황을볼수있습니다。훈련메트릭에대해검증메트릭을플로팅하여신경망과적합여부를확인할수있습니다。
모델의훈련진행상황모니터링。
신경망활성화
계층에맞는활성화를추출하고,학습된특징을시각화하며활성화를사용하여머신러닝분류기를훈련합니다。Grad-CAM접근방법을사용하면딥러닝신경망이분류결정을내리는이유를이해할수있습니다。
활성화시각화。
ONNX변환기
다른딥러닝프레임워크와의상호운용성을위해MATLAB® 내에서ONNX모델을가져오고내보낼수있습니다。ONNX를통해한프레임워크에서모델을학습한후추론을위해다른프레임워크로전이할수있습니다。GPU编码器™를 사용하여 최적화된NVIDIA®CUDA.®코드를생성하고matlab编码器™를사용하여가져온에대한c ++코드를생성수수수수수
딥러닝프레임워크와의상호운용。
Caffe임포터
추론및전이학습을위해咖啡模型动物园에서MATLAB으로모델을가져올수있습니다。
Caffe Model动物园에서matlab으로모델가져오기。
GPU를사용한가속。
클라우드가속
클라우드인스턴스를사용하여딥러닝훈련시간을단축시킬수있습니다。최고의결과를위해고성능GPU인스턴스를사용할수있습니다。
并行计算工具箱및MATLAB并行服务器로클라우드에서의훈련향상。
분산연산
MATLAB PASSPLATER SERVER를사용하여다중서버의프로세서에서딥러닝훈련을실행할있습니다있습니다수있습니다있습니다수있습니다있습니다。
병렬및클라우드를통한확장확장。
시뮬레이션
金宝app®에서딥러닝신경망을시뮬레이션하고코드를생성할수있습니다。AlexNet과GoogLeNet등의사전훈련된모델을사용할수있습니다。LSTM신경망을포함하여처음부터새로구축하거나전이학습을통해생성된신경망을시뮬레이션할수도있습니다。GPU编码器및NVIDIA GPU를사용하여仿真软件에서딥金宝app러닝신경망의실행속도를높일수있습니다。제어,신호처리,센서융합구성요소로딥러닝신경망을시뮬레이션하여딥러닝모델이시스템수준의성능에미치는영향을평가할수있습니다。
차선및차량감지기능수행을위한仿真软件金宝app®모델내심층컨벌루션신경망
딥러닝양자화
模型量化库지원패키지를사용하여신경망을int8로양자화화선택한가중치와와편향을양자한결과에대한정확도의의를분석할수수수분석할수있습니다의를분석할있습니다있습니다있습니다분석할수있습니다있습니다를할할있습니다있습니다있습니다할할수수있습니다수수수수수수수있습니다수할할수
독립형응용프로그램배포하기
Matlab Compiler™및MATLAB编译器SDK™를사용하여딥러닝모델이있는matlab프로그램에서훈련된을c ++공유라이브러리，微软®.NET어셈어셈，java®클래스및Python®패키지로배포할수있습니다。
Matlab Compiler를사용한독립형matlab프로그램공유。
비지도신경망
얕은신경망을새로운입력에지속적으로조절하여데이터내에서관계탐색및분류방식을자동으로지정할수있습니다。자기조직화,비지도신경망이외에도경쟁계층및자기조직화지도를사용할수있습니다。
자기조직화지도。
적층오토인코더
오토인코더를사용하여데이터세트에서저차원특징을추출하여비지도특징변환을수행할수있습니다。여러개의인코더를훈련하고쌓아지도학습에적층오토인코더를사용할수있습니다。
적층인코더。
