在MATLAB深学习框架包括一个完整的工作流程，以帮助您快速上手，找出问题，并节省时间。

无论你是初学者还是在深度学习的专家，MATLAB可以帮助 - 从通过部署预处理一路。

设计一个深度学习模型可以是具有挑战性的，至少可以说。

幸运的是，MATLAB有很多的例子来帮助你开始，它使您可以访问许多受欢迎的机型，由专家设计并培训了数以百万计的图像，它提供了迁移学习一个很好的起点。

MATLAB提供工具来从Pytorch和TensorFlow-Keras进口车型除了ONNX导入和导出功能。

之前训练模型，你需要的数据。它的地段。大型数据库就被广泛使用，你可以从MATLAB访问这些，而是​​要产生任何形式的合理的结果，我们需要将对象从“没有对象”分开。你如何标注在数千张图片的对象，而无需花费数周？

MATLAB提供的应用程序来应对这一挑战的帮助。例如，

你可以选择你所关心的每一个图像中的物体

你甚至可以选择的对象或类别的一部分像素。[本语义分割数据是必需]

并且可以通过使用物体检测器，[定制或预建]，通过整个视频运行自动化此，并在几秒钟产生对象的许多图像。

现在是时候对网络进行训练。有了这些数据，以及这些网络的结构复杂，这可能需要数小时或数天。为了帮助加速此，我们支持NVIDIA的GPU。金宝app

MATLAB处理您的数据传输到GPU或多个GPU，所以你不需要手动设置它或程序它自己。扩展到集群和云和更迅速地训练你的网络，甚至在并行运行多个培训。

这里有一个步骤人们有时会怀念：如果训练的网络不能很好地执行会发生什么？MATLAB可以帮助提供洞察到你的网络。您可以可视化层，看到当图像通过网络传递到底发生了什么。您也可以可视化的训练过程中得到它是如何在完成之前做多的感觉。

在这些步骤结束，经过几次反复可能，你有充分的培训网络，以执行你的任务。现在是时候谈部署。

MATLAB可以帮助您快速部署代码的任何地方 - 包括网络，手机，或嵌入的GPU。

事实证明，在GPU上的MATLAB代码运行的预测非常快。该显著变化带有代码生成优化CUDA代码 - 本地运行在NVIDIA GPU的代码。

你可以清楚地看到在速度上的区别就在这里。

并且对其他领域的深度学习新的研究过，如语音识别和文本分析。下面是在MATLAB运行非图像深度学习任务的两个例子。

虽然它让人深切地学习更轻松，更方便，MATLAB是不是只是一个深深的学习框架。您可以访问一切MATLAB的优惠了。

您也可以在MATLAB访问其他语言。带上你的开源工作到MATLAB，然后利用我国丰富的可视化和应用工作与数据。

看看我们的网站，了解更多关于上手的最新功能和方式。