深度学习

使用 MATLAB 进行深度学习

针对深度神经网络进行数据准备、设计、仿真和部署

深度学习应用

无论是设计算法、准备和标注数据,还是生成代码并部署到嵌入式系统,只需短短几行 MATLAB 代码,就可以将深度学习融入您的应用中。

信号处理

信号处理

采集并分析信号和时间序列数据

图像处理和计算机视觉

计算机视觉

采集、处理并分析图像与视频

强化学习

深度强化学习

定义、训练和部署强化学习策略

雷达

雷达

将人工智能技术用于雷达应用

激光雷达

激光雷达

将人工智能技术用于激光雷达应用

无线通信

AI 与无线通信

将人工智能方法应用于无线通信应用

为什么使用 MATLAB 进行深度学习?

从深度学习模型到现实中的人工智能 (AI) 驱动系统,MATLAB 轻松助您推进。

预处理数据

使用交互式 App 来标注、裁剪和识别重要特征,并使用内置算法实现标注过程自动化。

训练和评估模型

以一套完整的算法和预置模型作为起点,然后使用深度网络设计器创建和修改深度学习模型。

仿真数据

通过将深度学习模型纳入系统级 Simulink 仿真对其进行测试。测试难以在硬件上测试的边缘情形。了解您的深度学习模型如何影响整个系统的性能。

部署经过训练的网络

在嵌入式系统、企业系统、FPGA 设备或云上部署您经过训练的模型。使用 Intel®、NVIDIA® 和 ARM® 库生成代码,以创建具有高性能推断速度的可部署模型。

与基于 Python 的框架集成

通过导入 Tensorflow 模型和使用 ONNX 功能,MATLAB 支持您从任何位置访问最新研究。您可以使用包括 NASNet、SqueezeNet、Inception-v3 和 ResNet-101 在内的预置模型作为起点。您还可以在 MATLAB 与 Python 间双向调用,以便与使用开源软件的同事合作。

了解更多

使用 MATLAB 进行深度学习的教程和示例

无论您是刚开始使用深度学习,还是正在寻找端到端工作流,都可以使用这些 MATLAB 资源来帮助您完成下一个项目。