Deep Learning Toolbox

Проект, train и анализ нейронных сетей для глубокого обучения

Deep Learning Toolbox™ предоставляет среду для разработки и реализации глубоких нейронных сетей с помощью алгоритмов, предварительно обученных моделей и приложений. Вы можете использовать сверточные нейронные сети (ConvNets, CNNs) и сети долгой краткосрочной памяти (LSTM) для выполнения классификации и регрессии изображений, timeseries и текстовых данных. Вы можете создавать сетевые архитектуры, такие как генеративные состязательные сети (GANs) и сиамские сети с помощью автоматической дифференциации, пользовательских циклов обучения и общих весов. С помощью приложения Deep Network Designer можно проектировать, анализировать и обучать сети графически. Приложение Experiment Manager помогает вам управлять несколькими экспериментами глубокого обучения, отслеживать параметры обучения, анализировать результаты и сравнивать код из различных экспериментов. Можно визуализировать активацию слоя и графически контролировать процесс обучения.

Можно обмениваться моделями с TensorFlow™ и PyTorch через формат ONNX™ и импортировать модели из TensorFlow-Keras и Caffe. Тулбокс поддерживает передачу обучения с DarkNet-53, ResNet-50, NASNet, SqueezeNet и многими другими предварительно обученными моделями.

Вы можете ускорить обучение на рабочих станциях с одним или несколькими графическими процессорами (с Parallel Computing Toolbox™) или масштабировать до кластеров и облаков, включая NVIDIA®GPU Cloud и Amazon EC2® GPU инстансы (с MATLAB® Parallel Server™).

Запуск

Изучение основ Deep Learning Toolbox

Глубокое обучение с изображениями

Обучите сверточные нейронные сети с нуля или используйте предварительно обученные сети, чтобы быстро узнать новые задачи

Глубокое обучение с временными рядами, последовательностями и текстом

Создайте и обучите сети для задач классификации, регрессии и прогнозирования временных рядов

Настройка и визуализация глубокого обучения

Управляйте экспериментами, стройте графики процесса обучения, оценивайте точность, объясняйте предсказания, настраивайте опции обучения и визуализируйте функции, выученные сетью

Глубокое обучение в параллели и в облаке

Масштабирование глубокого обучения с помощью нескольких графических процессоров на местном уровне или в облаке и обучение нескольких сетей в интерактивном режиме или в пакетных заданиях

Применения глубокого обучения

Расширение рабочих процессов глубокого обучения с помощью компьютерного зрения, обработки изображений, беспилотного вождения, сигналов и аудио

Импорт, экспорт и индивидуальная настройка глубокого обучения

Импорт, экспорт и настройка нейронных сетей для глубокого обучения и настройка слоев, циклов обучения и функций потерь

Предварительная обработка данных глубокого обучения

Управление и предварительная обработка данных для глубокого обучения

Генерация кода глубокого обучения

Сгенерируйте код MATLAB или CUDA® и Код С++ и развертывание нейронных сетей для глубокого обучения

Приближение функций, кластеризация и управление

Выполните регрессию, классификацию, кластеризацию и моделируйте нелинейные динамические системы с помощью мелких нейронных сетей