由于每年发布两个版本，您可能会发现要跟上最新的功能非常具有挑战性。*事实上，在这里工作的一些人也有同样的感觉!在这个版本中，我向产品经理询问了他们认为在版本20a中应该了解的与深度学习相关的新功能。以下是他们的回答:

深度学习

从深度学习工具箱开始，20a有三个新功能值得兴奋。

1. 实验管理器(新)-一个新的应用程序，可以跟踪训练神经网络时的所有条件。这对于跟踪网络每次迭代的所有训练参数、数据和准确性非常有帮助。在以后的文章中会有更多关于这个功能的内容!
2. 深度网络设计器(更新)-从应用程序生成MATLAB代码，并直接在应用程序中训练网络。
3. 岗位量化(新)-这个新视频描述了MATLAB的量化工作流程。

以下是突出这些新特性的新例子:

• 训练有条件GANs
• 使用注意力训练图像字幕网络
• 基于深度学习的多标签文本分类:这个例子展示了如何对具有多个独立标签的文本数据进行分类。
• 比较层权重初始化器:这个例子展示了如何用不同的权重初始化器训练深度学习网络。
• 训练多输出网络:这个例子展示了如何训练一个具有多个输出的深度学习网络，这些输出预测手写数字的标签和旋转角度。

代码生成

GPU编码器

• 金宝app支持相当多的新网络，包括SSD，双向和有状态lstm, DarkNet, Inception-ResNet-v2, NASNet-Large和NASNet-Mobile
• 新的例子包括:
  • 单次多盒检测器目标检测的代码生成-展示了SSD网络针对cuDNN的代码生成工作流程
  • 序列到序列LSTM网络的代码生成这是一个更新的示例，展示了有状态LSTM的代码生成

MATLAB编码器

• 金宝app对新网络的支持包括:
  • LSTM for ARM cpu
  • DarkNet-19, DarkNet-53, DenseNet-201, Inception-ResNet-v2, NASNet-Large, NASNet-Mobile, ResNet-18，以及Intel和ARM cpu的Xception

信号和音频

信号处理

• 新独立的信号标签应用程序标记信号数据集。您可以在示例中看到它的实际操作标记信号属性，感兴趣的区域和点
• 新signalDatastore通过内存和磁盘上的大量信号或信号特征集合来训练网络。在示例中查看它如何与.MAT文件一起使用使用深度学习的波形分割
• 许多附加的信号处理和小波函数用于特征提取和时频变换等光谱图，stft,或类现在支持金宝appGPU加速的gpuArrays，用于内存不足的tall array，以及用于运行嵌入式GPU的自动CUDA代码生成。请看例子GPU加速用于深度学习的标量图
• 其他新的深度学习示例包括用较少人力创建标记信号集的迭代方法， 使用了一种train-as-you-label迭代方法进行深度学习分类器训练

音频处理

• 展示如何训练和评估的新例子用于生成合成音频的GANs．本文重点介绍了深度学习工具箱中最近发布的API，其中包括自定义训练循环
• 的用法说话人验证的i向量．i向量是一种非常流行的现代特征，经常用于音频信号。它们既用于深度网络，也用于轻量级嵌入式系统中更传统的机器学习算法
• 新detectSpeech功能自动检测和注释语音区域的录音
• 新text2speech功能生成预标记合成语音数据使用web服务，包括谷歌的非常流行的Wavenet

• GPU加速mfcc而且melSpectrogram．mfcc现在还支持生成CU金宝appDA代码。

图像处理

有一个新风格转换演示可在图像处理工具箱。这个演示将演示创建一个网络的整个过程，该网络旨在获取图像并将其转换为参考图像的风格。现在，您可以创建毕加索、梵高或您最喜欢的艺术家风格的图像。结合自定义训练循环(高级深度学习:关键术语)使风格转换等技术相对直观地实现。

对于计算机视觉，有一个新的例子描述如何创建一个单镜头检测器(SSD)。

强化学习

20a版本的强化学习工具箱带来了一个新的代理，双延迟深度确定性策略梯度(TD3)，对现有代理(策略梯度，Actor批评家和近端策略优化代理)的连续动作空间的额外支持，以及展示如何构建自定义训练算法和模仿学习的新示例。金宝app

• 用预训练的Actor网络训练DDPG Agent
  强化学习是一种需要大量数据的技术，需要进行多次模拟训练。这个例子展示了如何通过使用现有数据和监督学习初始化神经网络策略来减少训练时间。
• 使用自定义训练循环训练强化学习策略
  虽然强化学习工具箱包括各种流行的算法来训练您的系统，但您可能希望自定义这些算法或创建自己的算法。此示例展示了使用“强化学习工具箱”创建自定义训练算法所需遵循的步骤。

雷达及通讯

20a版本对于雷达/通信领域来说是令人兴奋的，主要是因为我们有4个新的发货示例。以下是20a的最新示例和功能:

射频指纹识别:

• //www.tatmou.com/help/comm/examples/design-a-deep-neural-network-with-simulated-data-to-detect-wlan-router-impersonation.html
• //www.tatmou.com/help/comm/examples/test-a-deep-neural-network-with-captured-data-to-detect-wlan-router-impersonation.html

5G信道估计:

• //www.tatmou.com/help/5g/examples/deep-learning-data-synthesis-for-5g-channel-estimation.html

通信信道的对数似然估计

• //www.tatmou.com/help/comm/examples/training-and-testing-a-neural-network-for-llr-estimation.html

根据产品经理Rick Gentile的说法，“我个人最喜欢的是链接1和2中的例子，因为我们已经收到了很多关于这类应用程序(RF指纹)的请求。它是防止通信网络欺骗的重要手段之一。2^nd例子强调了我们使用从无线电收集的数据合成数据所做的工作。”

这篇文章到此结束。希望我们强调了您不知道的新功能和示例。你觉得这个名单怎么样?有什么要补充的-在下面留下评论!

*你可能也知道20a是在3月份发布的，所以我显然发现要跟上最新的功能很有挑战性!我终于升级了，你也应该升级!