深度学习工具箱
深度学习工具箱™比例un marco para diseñar e implementar redes neuronales profundas con algorithm, modelos previamente entrenados y apps。CNN (ConvNet y CNN)和LSTM (LSTM)关于实现区域的记忆clasificación y regresión en imágenes,关于时间和数据的系列。我们有一个红色的故事,我们有一个红色的故事antagónicas (GAN)我们有一个红色的故事diferenciación automática,我们有自己的故事,我们有自己的故事。Con la app Deep Network Designer, puede diseñar, analizar y entrenar redes gráficamente。La app实验经理ayuda a gestionar各种深度学习实验,realizar un seguimiento de los parámetros de entrenamiento,分析结果比较código de不同的实验。我们的上级activación我们的上级gráficamente我们的进步。
Puede importar redes y gráficos de capas desde TensorFlow™2,TensorFlow- keras, PyTorch®, el formato de modelo ONNX™(开放神经网络交换)También puede export redes y gráficos de capas de Deep Learning Toolbox a TensorFlow 2 y el formato de modelo ONNX。黑网-53,ResNet-50, NASNet, SqueezeNet,还有很多的模型。
GPU(并行计算工具箱™)和处理器集群,包括图形处理器和NVIDIA®GPU云亚马逊EC2®(con MATLAB并行服务器™)。
深度学习
Entrene modelos de Deep Learning para aplicaciones de clasificación, regresión y aprendizaje de características para conducción autónoma, procesamiento de señales y audio, comunicaciones inalámbricas, procesamiento de imágenes y mucho más。
Diseño de redes y gestión de modelos
Acelere el desarrollo de modelos de Deep Learning con on low code。Cree, entrene, analice y deure una red con la app Deep Network Designer。调整比较不同的模型和应用程序实验管理器。。
Modelos previamente entrenados
Acceda a los modelos más utilizados con una sola línea de código en MATLAB。使用PyTorch™a través de ONNX y TensorFlow™para important cualquier modelo MATLAB。
Interpretabilidad
深度学习的进步之旅activación de las características利用Grad-CAM, mapo de barricciones y LIME对深度学习模型的结果进行解释。
Aceleración del entrenamiento
Acelere el entrenamiento de Deep Learning con GPU, aceleración en la nube y cálculo distribuido。
Generación de código
Genere automáticamente código CUDA®optimizado con GPU Coder™,y generere código C y c++ con MATLAB Coder™para desplegar redes de Deep Learning en GPU NVIDIA y diversos处理器。Realice prototipado de redes de Deep Learning e impleméntelas en FPGA y SoC con深度学习HDL工具箱™。
Simulación con Simulink
Simule redes de Deep Learning con compones de control, procesamiento de señales y fusión de sensores para evaluar cómo un modelo de Deep Learning puede mejorar el rendimiento en el nivel de sistema。
Compresión de深度学习
记录深度学习对记忆的还原,记忆的还原,推理的还原。分析,视觉上的权衡,进入,un,市长,rendimiento, y, la, precisión, de,推理,con, app,深度网络量化器。
Recursos del producto:
Obtenga una versión de prueba gratuita
30 días de exploración a su alcance。
¿Listo para comprar?
Obtenga información sobre precios y探索产品relacionados。