将 MATLAB 与 Python 结合使用
与使用其他深度学习框架的同事协作，使用 Python 协同执行或导入和导出函数来训练和测试 PyTorch®、TensorFlow™ 或 ONNX™ 模型。
使用 MATLAB 生成数据集以通过利用 无线通信 工具箱训练 Python 模型。
在链路级和系统级仿真中测试 Python 模型。
将您的工作集成到基于模型的设计工作流中。有关详细信息，请参阅Simulink 深度学习 (Deep Learning Toolbox)。
利用软件无线电 (SDR) 支持，借助空口 (OTA) 信号测试您的设计。
在鉴定您的设计后，您可以将系统导入并部署到若干可能的平台上。有关详细信息，请参阅Interoperability Between Deep Learning Toolbox, TensorFlow, PyTorch, and ONNX (Deep Learning Toolbox)。
主题
- PyTorch Coexecution
AI for wireless workflows using coexecution of MATLAB and PyTorch. (自 R2025a 起)
精选示例
Train PyTorch Channel Prediction Models
Train PyTorch-based channel prediction neural networks using data generated in MATLAB.
Offline Training and Testing of PyTorch Model for CSI Feedback Compression
Train an autoencoder-based PyTorch neural network offline and test for CSI compression.
Online Training and Testing of PyTorch Model for CSI Feedback Compression
Train an autoencoder-based PyTorch neural network online and test for CSI compression.
Apply Transfer Learning on PyTorch Model to Identify 5G and LTE Signals
Coexecution with Python to identify 5G NR and LTE signals by using the transfer learning technique on a pre-trained PyTorch™ semantic segmentation network for spectrum sensing.
Import TensorFlow Channel Feedback Compression Network and Deploy to GPU
Generate GPU specific C++ code for a pretrained TensorFlow channel state feedback autoencoder.
