Main Content

Deep Learning Toolbox

设计、训练、分析和仿真深度学习网络

Deep Learning Toolbox™ 提供用于设计、实现和仿真深度神经网络的函数、App 和 Simulink® 模块。该工具箱提供了一个框架来创建和使用多种类型的网络,如卷积神经网络 (CNN) 和变换器。您可以可视化和解释网络预测、验证网络属性以及通过量化、投影或剪枝来压缩网络。

借助深度网络设计器,您可以通过交互方式设计、编辑和分析网络,导入预训练模型并将网络导出到 Simulink。该工具箱可用于与其他深度学习框架进行互操作。您可以导入 PyTorch®、TensorFlow™ 和 ONNX™ 模型进行推断、迁移学习、仿真和部署。您还可以将模型导出到 TensorFlow 和 ONNX。

您可以为经过训练的网络自动生成 C/C++、CUDA® 和 HDL 代码。

Deep Learning Toolbox 快速入门

Deep Learning Toolbox 基础知识学习

应用

扩展深度学习工作流在计算机视觉、图像处理、自动驾驶、信号、音频、文本分析和计算金融学领域的应用

深度学习基础知识

导入、构建、训练、调节、可视化、验证和导出深度神经网络

图像数据工作流

使用预训练网络或从头开始创建和训练网络进行图像分类和回归

序列和数值特征数据工作流

为序列和表格数据创建并训练分类、回归和预测神经网络

并行和云

在本地使用多个 GPU 或在云中扩展深度学习,并以交互方式或批处理作业的形式训练多个网络

自动微分

自定义深度学习层、网络、训练循环和损失函数

Simulink 深度学习

使用 Simulink 扩展深度学习工作流

代码生成

生成 C/C++、CUDA 或 HDL 代码,并部署深度学习网络

函数逼近、聚类和控制

使用浅层神经网络执行回归、分类和聚类,以及对非线性动态系统建模