¿Qué novedades hay en MATLAB para deep learning?

MATLAB将深度学习的结果fácil作为可访问的参数，并将其包含在一个实例中。请咨询下面的funcionalidades más recientes para diseño y la creación de sus propios modelos, el renamiento y visualización de redes, y el desiegue。

新功能

实验管理器应用程序 ：

管理多个深度学习实验，跟踪训练参数，并对结果和代码进行分析比较

Mas给

Preparación y etiquette de datos

  • 视频标签:礼仪datos de validación(地面真相)en secuencias de imágenes o vídeos。
  • 音频标签:定义与音频相关的视觉互动礼仪validación (ground-truth)。
  • 新闻信号标签:视觉礼仪señales interactivamente。
  • 新闻Almacén de datos de etiquette etas de píxeles: almacene información de píxeles para datos de segmentación semántica 2D y 3D。
  • 新闻Almacén de datos de audio: gestione grandes colecciones de grabaciones de audio。
  • 新闻Almacén de datos de imágenes: soporte para datos 3D。

Arquitecturas de红

  • 新闻Cree arquitecturas de red avanzadas GAN, redes siamesas, redes atención y autocodificadores variacionales。
  • “you-only-look-once”(YOLO) v2 y generere código C y CUDA。
  • 深度网络设计师:diseñe y analice de forma gráfica redes profundas y generere código MATLAB。
  • 关于个性化的建议:定义新的建议和各种各样的建议，具体的功能在pérdidas para clasificación y regresión。
  • 结合阅读LSTM和conocimiationales para clasificación de vídeo和gestos。

深度学习的互操作性

  • 在ONNX和genere código CUDA的深度学习中导入和导出模型。
  • 新闻Capacidad para trabajar con MobileNet-v2, ResNet-101, inction -v3, SqueezeNet, NASNet-Large y例外。
  • 导入modelos de TensorFlow-Keras y genere código C, c++ y CUDA。
  • 从咖啡中进口咖啡。

参考完整的清单在MATLAB中进行建模。

Entrenamiento de红

  • 我们可以通过automáticamente的方法来使用红色的药物，我们可以通过validación的方法来使用医药。
  • 新闻在imágenes 3D上学习深度学习。
  • 在hiperparámetros usando la optimización bayesiana的一个调整点。
  • 优化adicionales para el enrenamito: Adam y RMSprop。
  • 我们可以在不同的GPU上并行使用。
  • 在NVIDIA和DGX平台上实现深度学习的模式。

Depuracion y visualizacion

  • redes como ResNet-50, ResNet-101, GoogLeNet e Inception-v3。
  • 监督项目进度gráficos de precisión, pérdidas y métricas de validación。
  • 网络分析仪:可视化，分析建筑中存在的局部问题。
  • 新闻视觉激活的LSTM使用grado - cam和clasificación的最后决定。

Despliegue

  • 新闻generere código para redes como el detector de objetos YOLO V2, DeepLab-v3+， MobileNet-v2, Xception, DenseNet-201 y redes recurtes。
  • 新闻Despliegue阅读了deep learning的GPU de ARM Mali。
  • 新闻Despliegue automatizado en las plataformas Jetson AGX Xavier y Jetson Nano。
  • Aplique transposiciones的用法和样例:

强化学习

  • 新强化学习算法:entrene políticas对DQN、DDPG、A2C、PPO等算法进行了深入研究。
  • 龙卷风模型:MATLAB和Simulink的模型表示龙卷风的比例señales de obse金宝apprvación y补偿的龙卷风模型políticas。
  • Aceleración del entrenamiento: parallelice el entrenamiento de políticas en GPU y CPU multinúcleo。
  • 新执行políticas应用程序conducción autónoma, robótica y diseño系统控制。

我们有一个共同的心愿

Treinta días de exploración a subalance。

Descargar ahora

有问题吗?

与深度学习专家交谈。

电子邮件我们

如果这个preguntas ?

他擅长深度学习。