Deep Learning Toolbox

 

Deep Learning Toolbox

设计、训练和分析深度学习网络

深度学习应用

训练深度学习模型,用于自动驾驶、信号和音频处理、无线通信、图像处理等领域的分类、回归和特征学习应用。

网络设计和模型管理

使用低代码 App 加速深度学习模型的开发。使用深度网络设计器创建、训练、分析和调试网络。使用试验管理器调节和比较多个模型。

预训练模型

在 MATLAB 中用一行代码访问常用的模型。通过 ONNX 和 TensorFlow™ 使用 PyTorch™ 将任何模型导入 MATLAB。

可解释性

在深度学习网络中,可视化训练进度和所学习特征的激活区域。使用 Grad-CAM、遮挡贴图和 LIME 来解释深度学习模型结果。

预处理

为网络训练标注、处理和增强数据。使用内置算法自动标注数据。

训练加速

使用 GPU、云加速和分布式计算加速深度学习训练。

代码生成

使用 GPU Coder™ 自动生成优化的 CUDA® 代码,使用 MATLAB Coder™ 生成 C 和 C++ 代码,以将深度学习网络部署到 NVIDIA GPU 和各种处理器。使用 Deep Learning HDL Toolbox™ 在 FPGA 和 SoC 上进行深度学习网络的原型开发和实现。

Simulink 仿真

使用控制、信号处理和传感器融合组件仿真深度学习网络,以评估深度学习模型对系统级性能的影响。

深度学习压缩

对您的深度学习网络进行量化和剪枝,以减少内存使用量并提高推断性能。使用深度网络量化器,对性能与推断准确性之间的权衡进行分析和可视化。

获取免费试用版

30 天探索触手可及。


准备购买?

获取报价并了解相关产品。

您是学生吗?

您的学校可能已拥有 Campus-Wide License 并允许您直接使用 MATLAB、Simulink 和其他附加产品。