用Simulink进行深度学习
使用Simulink扩展深度学习工作流
在Simulink中实现深度学习功能®通过使用深度学习工具箱™中包含的深度神经网络块库中的块来建模，或通过使用深度学习对象检测器从计算机视觉工具箱™中包含的分析与增强块库中的。
在Simulink中使用深度学习功能MATLAB函数块，它需要支持的编译器。对于大多数平台，MATLAB提供了一个默认的C编译器®安装。使用c++语言时，必须安装兼容的c++编译器。要查看支持的编译器列表，请打开支持和兼容的编译器，单击对应于您的操作系统的选项卡，找到仿真软件产品家族表，和去对于模型引用，加速器模式，快速加速器模式，和MATLAB函数块列。如果您的系统上安装了多个支持matlab的编译器，则可以使用墨西哥人设置命令。看到改变默认的编译器．
块
主题
图片
- 利用GoogLeNet在Simulink中对图像进行分类
这个例子展示了如何在Simulink®中使用图像分类器块。 - Simulink深度学习模型的加速
使用加速器和快速加速器模式提高模拟速度。 - 基于深度学习的Simulink中车道和车辆检测
这个例子展示了如何在Simulink®模型中使用深度卷积神经网络来执行车道和车辆检测。 - 基于深度学习的Simulink心电信号分类
本例展示了如何在Simulink (R)模型中使用小波变换和深度学习网络对心电信号进行分类。 - 引入张量流网络的Simulink图像分类
导入预先训练的TensorFlow™网络importTensorFlowNetwork，然后在Simulink中使用Predict块进行图像分类。
序列
- 在Simulink中预测和更新网络状态
这个例子展示了如何在Simulink®中预测训练过的循环神经网络的响应有状态的预测块。 - 在Simulink中分类和更新网络状态
这个例子展示了如何在Simulink®中对训练过的循环神经网络的数据进行分类有状态的分类块。 - Simulink中的语音指令识别
使用Simulink模型检测音频中语音命令的存在。 - 基于深度学习网络的Simulink时间序列预测
这个例子展示了如何在Simulink®模型中使用LSTM深度学习网络来预测发动机的剩余使用寿命(RUL)。 - 在Simulink中使用LSTM网络进行物理系统建模
这个例子展示了如何通过训练长短期记忆(LSTM)神经网络来创建一个降阶模型(ROM)来替换Simulink®模型中的Simscape组件。 - 提高Simulink中深度学习仿真的性能
这个例子展示了如何在Simulink®中使用代码生成来提高深度学习仿真的性能。
强化学习
- 创建Simulink环境和Train Agent
用Simulink中建模的植物作为训练环境，使用强化学习训练控制器。 - 训练DDPG代理进行自适应巡航控制
为自适应巡航控制应用训练强化学习代理。 - 利用并行计算训练DQN代理进行车道保持辅助
为车道保持辅助应用程序训练强化学习代理。 - 对DDPG代理进行路径跟随控制的培训
训练一个强化学习代理，用于车道跟踪应用。
代码生成
- 从Simulink应用程序中生成深度学习代码
生成C/ c++和GPU代码，用于部署在桌面或嵌入式目标上
特色的例子
您也可以从以下列表中选择网站: