La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

Descrizione del prodotto Deep Learning Toolbox

Progettazione, addestramento e analisi delle reti di Deep Learning

Il Deep Learning Toolbox™ offre un contesto per la progettazione e l’implementazione di reti neurali profonde con algoritmi, modelli preaddestrati e app. È possibile utilizzare reti neurali convoluzionali (ConvNets, CNN) e reti long short-term memory (LSTM) per eseguire attività di classificazione e regressione su dati di immagini, serie temporali e testi. Si possono costruire architetture di rete come reti generative avversarie (GAN) e reti siamesi utilizzando la differenziazione automatica, loop di addestramento e pesi condivisi. Con l’app Deep Network Designer è possibile progettare, analizzare e addestrare le reti a livello grafico. L’app Experiment Manager aiuta a gestire più esperimenti di Deep Learning in contemporanea, tenendo traccia dei parametri di addestramento, analizzando i risultati e confrontando il codice derivato dai diversi esperimenti. È possibile visualizzare le attivazioni dei livelli e monitorare graficamente i progressi dell’addestramento.

È possibile importare reti e grafici di livello da TensorFlow™ 2, TensorFlow-Keras, PyTorch^®, dal formato di modello ONNX™ (Open Neural Network Exchange) e da Caffe. È inoltre possibile esportare reti e grafici di livello Deep Learning Toolbox su TensorFlow 2 e nel formato di modello ONNX. Il toolbox supporta il transfer learning con DarkNet-53, ResNet-50, NASNet, SqueezeNet e molti altri modelli preaddestrati.

È possibile velocizzare l’addestramento su una workstation GPU singola o multipla (con Parallel Computing Toolbox™) oppure scalare su cluster e cloud, tra cui istanze di NVIDIA^® GPU Cloud e Amazon EC2^® GPU (con MATLAB^® Parallel Server™).