Johanna Pingel,Mathworks
了解Matlab的方式®可以帮助深入学习工作流的任何部分:从预处理通过部署。该视频提供了用于图像和视频的深度学习技术的高级概述。它描述了完整的工作流程,它显示了MATLAB如何在各个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的培训模型,调试深度学习结果,以及将深度学习模型部署到包括嵌入式的硬件GPU。
Matlab中的深度学习框架包括一个完整的工作流程,可以帮助您快速开始,识别问题,节省时间。
无论您是深度学习的初学者还是专家,MATLAB都可以提供帮助——从预处理一直到部署。
设计一个深度学习模型至少可以说是具有挑战性的。
幸运的是,MATLAB提供了许多示例来帮助您开始学习,它让您访问许多流行的模型,这些模型由专家设计,并根据数百万张图像进行训练,这为迁移学习提供了一个很好的起点。
MATLAB除了ONNX导入和导出功能之外,还提供从Pytorch和Tensorflow-Keras导入模型的工具。
在培训模型之前,需要数据。很多。大型数据库广泛可用,您可以从MATLAB访问这些,但要生成任何类型的合理结果,我们需要将对象与“不是对象”分开。您如何在不花费数周内在数千张图像中标记对象?
MATLAB提供应用程序来帮助这一挑战。例如,
你可以在每个图像中选择你关心的对象
您甚至可以选择属于对象或类别的一部分的像素。[这对语义分割数据至关重要]
你可以通过使用物体探测器(自定义或预构建的)来自动运行整个视频,并在几秒钟内生成物体的许多图像。
现在是时候训练网络了。有了这些数据,再加上这些网络的复杂结构,这可能需要几个小时或几天的时间。为了加快速度,我们支持NVIDIA gpu。金宝app
MATLAB处理将数据传输到GPU或多个GPU,因此您不需要手动将其设置为自己或对其进行编程。扩大到集群和云并更快地培训您的网络,甚至并行运行多个培训。
这是一步的人有时会错过:如果训练有素的网络不顺序,会发生什么?MATLAB可以帮助提供对网络的洞察力。您可以可视化图层,并查看图像通过网络时实际发生的内容。您还可以想象培训过程以获得在结束前的时间延长。
在这些步骤的末尾,可能经过几次迭代之后,您就有了一个完全训练有素的网络来执行您的任务。现在是讨论部署的时候了。
MATLAB可以帮助您快速部署您的代码 - 包括Web,手机或嵌入式GPU。
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上的差异。
在语音识别和文本分析等其他领域,也有关于深度学习的新研究。这里有两个在MATLAB中运行的非图像深度学习任务的例子。
虽然它确实使深入学习更容易,更容易获得,Matlab不仅仅是一个深入的学习框架。您也可以访问其他Matlab优惠的所有内容。
您还可以访问Matlab中的其他语言。将您的开源工作带入MATLAB,然后使用我们丰富的可视化和应用程序与该数据一起工作。
查看我们的网站,了解有关最新功能和开始的最新方法。
你也可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。