用于信号处理的深度学习
信号标记和数据集管理
有了MATLAB，您可以使用内置的应用程序和领域特定的工具，这些工具可以帮助您准备信号数据的任务，如标记和管理大量的信号数据，这些数据太大，无法装入内存。
了解更多
时频变换
时频表示描述了信号中的频谱内容如何作为时间的函数演化。你可以训练深度学习网络，它可以从时频表示中识别和提取模式。您还可以选择多种可以生成信号时频表示的技术，包括谱图、梅尔-频率谱图、Wigner-Ville和连续小波变换(或尺度图)。
了解更多
预处理和特征提取
信号预处理是提高信号整体质量的关键步骤。在训练一个深度网络之前，你可以使用内置的函数和应用程序来清理信号和移除不想要的东西。您还可以从信号中提取标准和特定领域的特征，以降低数据的维数，以训练深度学习模型。还可以使用自动特征提取技术，如小波散射，从信号中获取低方差特征并训练深度网络。
了解更多
信号产生与采集
深度学习模型通常需要大量的数据进行训练和验证。在某些情况下，数据的可用性可能是采用深度学习技术的限制因素。通过MATLAB和其他信号处理应用程序的附加组件，您可以模拟与真实场景密切匹配的合成数据，并使用深度学习技术开发模型。您可以将MATLAB与外部硬件连接起来，以获取真实的数据，以便通过早期原型验证您训练过的模型。
了解更多
网络设计、培训和部署
交互式设计网络，使用NVIDIA加速培训®gpu，并获得良好的结果更快。
设计
使用ONNX™导入预先训练的模型，然后使用深层网络设计器应用程序添加、删除或重新排列层。
培训
无论你是使用一个GPU，多个GPU，云上的GPU，还是NVIDIA DGX, MATLAB支持多GPU训练与一行代码。金宝app
部署
在任何地方部署深度学习模型。自动生成在ARM上本机运行的代码®和英特尔®MKL-DNN。导入您的深度学习模型并生成CUDA®代码，目标TensorRT和CuDNN库
