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值数据
  • Audio Labeler:对音频数据集交互式地定义和可视化真值标注
  • 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
  • 新特性 音频数据存储:管理大型录音数据集
  • 新特性 图像数据存储:三维数据支持

网络架构

  • 新特性 构建高级网络架构,如生成对抗网络、孪生网络、注意力网络和变分自编码器。
  • 训练“you-only-look-once”(YOLO) v2 深度学习目标检测器并生成 C 和 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
  • 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
  • 将 LSTM 和卷积层结合起来,进行视频分类和手势识别

深度学习互操作性

  • 使用 ONNX 模型格式导入和导出其他深度学习框架的模型并生成 CUDA 代码
  • 新特性 能够使用 MobileNet-v2、ResNet-101、Inception-v3、SqueezeNet、NASNet-Large 和 Xception
  • 导入 TensorFlow-Keras 模型并生成 C、C++ 和 CUDA 代码
  • 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,在验证指标不再改善时停止训练
  • 新特性 在 3D 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
  • 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
  • 使用准确率、损失和验证指标绘图监控训练进度
  • 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
  • 新特性 可视化 LSTM 网络激活并使用 Grad-CAM 理解分类决策

部署

  • 新特性 为 YOLO V2 目标检测器、DeepLab-v3+、MobileNet-v2、Xception、DenseNet-201 和循环网络等网络生成代码
  • 新特性 将深度学习网络部署到 ARM Mali GPU
  • 新特性 自动部署到 Jetson AGX Xavier 和 Jetson Nano 平台
  • 使用共享内存来实现 CUDA 优化的转置操作,以提高性能

强化学习

  • 新特性 强化学习算法:使用 DQN、DDPG、A2C、PPO 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测和奖励信号
  • 训练加速:在 GPU 和多核 CPU 上并行进行策略训练
  • 新特性 参考示例:为自动驾驶、机器人和控制设计应用实现策略

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。