Deep Learning

 

MATLAB 实现深度学习

设计、构建和可视化卷积神经网络

只需要几行 MATLAB® 代码就能构建深度学习模型,并不一定要成为专家。了解如何使用 MATLAB 帮助您执行深度学习任务。

  • 易于访问最新模型,包括 GoogLeNet、VGG-16、VGG-19、AlexNet、ResNet-50、ResNet-101Inception-v3
  • 加速NVIDIA® GPU、云和数据中心资源上的算法,而无需专门编程。
  • 使用 MATLAB 应用程序和可视化工具,创建、修改和分析复杂的深度神经网络架构。
  • 使用应用程序自动进行图像、视频和音频数据的真实值 (ground-truth) 标注
  • 处理来自 CaffeTensorFlow-Keras 的模型。
  • MATLAB 支持 ONNX™,所以您可以使用 PyTorchMxNet 之类的框架与同事协作。

为什么使用 MATLAB 实现深度学习?

互操作性

不再有框架基于 MATLAB 还是Python的选择题。使用 ONNX 导入和导出功能,MATLAB 支持与开源深度学习框架的互操作性。使用 MATLAB 工具的最大意义在于——访问 Python 中没有的功能与预置函数及应用程序。

Use labeling apps for deep learning workflows like semantic segmentation. 

预处理应用程序

快速开始网络训练。使用特定领域应用程序快速预处理音频、视频和图像数据集。使用 Deep Network Designer 应用程序创建复杂的网络架构,或修改预训练网络以进行迁移学习,在训练之前可视化、检查并修复问题。

多平台部署

可随处部署深度学习模型:CUDA、C 代码、企业系统或云。若在意性能,您可以利用Intel® (MKL-DNN)、NVIDIA(TensorRT、cuDNN)和 ARM® (ARM Compute Library) 优化库生成代码,创建具有高性能推理速度的可部署模型。

快速入门

观看演示,探索交互式示例,访问免费教程。

Topics for Deep Learning

获取免费试用版

30 天探索触手可及。

有疑问吗?

与深度学习专家探讨。