约翰娜Pingel,MathWorks公司
了解如何MATLAB®可以与深学习工作流程的任何部分帮助:从通过部署预处理。此视频提供了MATLAB深度学习的高度概括。它描述了完整的工作流程,它显示了MATLAB如何可以在不同阶段深学习应用程序,包括与GPU的输入和预处理图像,进口预先训练模式,训练模式,调试深学习成果,并部署深度学习模型硬件,包括嵌入式帮助图形处理器。
深度学习不断得到普及,扩大到几乎所有的应用程序。然而,这是一个具有挑战性的任务,从一个深度学习模型到一个真正的人工智能驱动的系统中去。这里有五个理由使用MATLAB®你的下一个深度学习应用:
MATLAB有标签的互动深度学习应用。
这包括信号数据,音频数据,图像和视频。
通常,人们低估了所需的标签数据的时间量,使应用包含的帮助自动化这个过程可以让你的培训模式,看到的结果快。
MATLAB可以产生合成数据的帮助,当你没有合适的场景足够的数据。
在自动驾驶的情况下,还可以创作场景和模拟使用3D模拟环境不同传感器的输出。
在雷达和通信,这包括用于波形调制识别和目标分类应用生成的数据。
MATLAB有多种方式在深度学习框架之间交互和传输数据。
MATLAB支金宝app持ONNX其他框架之间的进出口模式。在PyTorch设计的模型,例如,可以带入MATLAB,并在MATLAB训练的模型可以使用ONNX框架导出。
MATLAB还支持Pyt金宝apphon的互操作性:您可以从MATLAB和MATLAB在Python调用Python。
我们将继续扩大我们的,已测试和深度学习专家审核预训练金宝app模型的支持。
接着,除了C,C ++,和HDL,MATLAB将创建优化的深学习CUDA代码的NVIDIA GPU,包括预处理和后处理代码所需运行整个算法。
使用TensorRT优化CUDA,推理速度非常快。代码可以部署到嵌入式NVIDIA gpu。
最后,MATLAB有专门的工具箱和功能:
且不说结合其他技术,如传统的机器学习与数据科学。
我们也有先进的功能,如甘斯,自动分化,分析的能力和调试层。
你可以得到我们的深度学习软件在我们的网站上免费试用。如果你是刚刚起步或以另一种深度学习框架一直在努力,我们有很多的例子和视频,以帮助您在MATLAB快速入门。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。