MathWorks estende le funzionalità di deep learning nella Release 2018b delle famiglie di prodotti MATLAB e Simulink

MathWorks ha presentato oggi la Release 2018b di MATLAB e Simulink. La release include significativi miglioramenti relativi al deep learning, nonché nuove funzionalità e correzioni di bug per tutte le famiglie di prodotti. Il nuovo Deep Learning Toolbox, che sostituisce il Neural Network Toolbox, fornisce a ingegneri e scienziati un framework per la progettazione e l’implementazione di reti neurali “deep”. Ora gli ingegneri specializzati in elaborazione di immagini, visione artificiale, elaborazione di segnali e sistemi possono utilizzare MATLAB per progettare più facilmente architetture di rete complesse e migliorare le prestazioni dei propri modelli di deep learning.

Di recente, MathWorks è entrata a far parte della community ONYX per dimostrare il suo impegno nell’ambito dell’interoperabilità, che consente la collaborazione tra gli utenti MATLAB e altri framework di deep learning. Utilizzando il nuovo convertitore ONYX della release R2018b, è possibile importare ed esportare i modelli dai framework supportati quali PyTorch, MxNet e TensorFlow. Tale interoperabilità permette di utilizzare in altri framework i modelli addestrati in MATLAB. Allo stesso modo, i modelli addestrati in altri framework possono essere importati in MATLAB per l’esecuzione di operazioni quali debugging, validazione e implementazione embedded. Inoltre, la release R2018b fornisce una serie curata di modelli di riferimento accessibili con una sola riga di codice. Gli importatori di modelli aggiuntivi consentono anche di utilizzare modelli di Caffe e Keras-Tensorflow.

“Poiché il deep learning è sempre più diffuso in numerosi settori, è necessario renderlo ampiamente disponibile, accessibile e applicabile a ingegneri e scienziati con diverse specializzazioni”, dichiara David Rich, direttore marketing MATLAB presso MathWorks. “Oggi, i principianti e gli esperti in ambito di deep learning possono apprendere, applicare e condurre ricerche avanzate con MATLAB utilizzando un flusso di lavoro di deep learning integrato, dalla ricerca, al prototipo e alla produzione”.

MathWorks continua a migliorare la produttività e la facilità d’uso dei flussi di lavoro di deep learning nella release R2018b grazie a:

• App Deep Network Designer, che consente agli utenti di creare architetture di rete complesse o modificare reti complesse pre-addestrate per il transfer learning
• Migliori prestazioni di addestramento delle reti indipendentemente dalle funzionalità del desktop supportando i fornitori di servizi cloud con MATLAB Deep Learning Container su NVIDIA GPU Cloud e architetture di riferimento MATLAB per Amazon Web Services e Microsoft Azure
• Supporto esteso per flussi di lavoro specifici, tra cui app di etichettatura sul campo per datastore audio, video e di diverse applicazioni, che facilita e velocizza l’elaborazione di grandi insiemi di dati

Nella release R2018b, GPU Coder migliora ulteriormente le prestazioni deduttive supportando le librerie NVIDIA e aggiungendo ottimizzazioni quali auto-tuning, fusione di strati e minimizzazione del buffer. Inoltre, la nuova release supporta la distribuzione sulle piattaforme Intel e ARM tramite Intel MKL-DNN e ARM Compute Library.

La release R2018b è disponibile da subito. Per ulteriori informazioni su tutte le nuove funzionalità e correzioni di bug per le famiglie di prodotti MATLAB e Simulink, guardare il video sulle novità della release R2018b.