深度学习

MATLAB 深度学习的新增功能

MATLAB 让人人都能够轻松运用深度学习,即使您不是专家。查看设计和构建您自己的模型、网络训练和可视化以及部署的最新功能。

数据准备和标注

  • Video Labeler:标注视频或图像序列中的真实值 (ground-truth) 数据
  • Audio Labeler:对音频数据集交互式地定义和可视化真实值 (ground-truth) 标签
  • 新特性 Signal Labeler:交互式地可视化和标注信号
  • 新特性 像素标签数据存储:存储二维和三维语义分割数据的像素信息
  • 增强的图像数据存储:创建更多训练示例以增强深度学习训练数据
  • 新特性 音频数据存储:管理大型录音数据集

网络架构

  • 用于连续时序输出的回归和双向 LSTM
  • 新特性 - 训练“you-only-look-once”(YOLO) v2 深度学习对象检测器并生成 CUDA 代码
  • Deep Network Designer:以图形方式设计和分析深度网络并生成 MATLAB 代码
  • 新特性 自定义层支持:定义具有多个输入和输出的新层,并为分类和回归指定损失函数
  • 新特性 将 LSTM 和卷积层结合起来,进行视频分类和手势识别

深度学习交互性

  • 使用 ONNX 模型格式导入和导出具有其他深度学习框架的模型
  • 能够使用 MobileNet-v2、ResNet-101、Inception-v3、SqueezeNet 和 NASNet
  • 新特性 - 导入 TensorFlow-Keras 模型并生成 CUDA 代码
  • 新特性 在 Caffe 模型导入器中导入 DAG 网络

请参阅 MATLAB 中支持的预训练模型的综合列表。

网络训练

  • 自动验证网络性能,在性能不再改善时停止训练
  • 新特性 在三维图像数据上训练深度学习网络
  • 使用贝叶斯优化执行超参数调优
  • 更多训练优化器:Adam 和 RMSProp
  • 在多个 GPU 上并行训练 DAG 网络
  • 新特性 在 NVIDIA DGX 和云平台上训练深度学习模型

调试和可视化

  • DAG 激活:为 ResNet-50、ResNet-101、GoogLeNet 和 Inception-v3 等网络可视化中间层激活结果
  • 使用绘图监视训练进度中的准确率、损失和验证指标
  • 网络分析器:在训练之前,可视化、分析并查找网络架构中的问题

部署

增强学习

  • 增强学习算法:使用 DQN、DDPG、A2C 和其他算法训练深度神经网络策略
  • 环境建模:创建 MATLAB 和 Simulink 模型来代表环境,并为训练策略提供观察和奖励信号
  • 训练加速:在 GPU 和多核 CPU 上并行进行策略训练
  • 参考示例:使用增强学习实现控制器,以用于自动驾驶和机器人应用

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。