Main Content

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

Deep Learning Toolbox

Progettare, addestrare, analizzare e simulare le reti di Deep Learning

Deep Learning Toolbox™ fornisce funzioni, applicazioni e blocchi Simulink® per la progettazione, l'implementazione e la simulazione di reti neurali profonde. La toolbox fornisce una struttura per creare e utilizzare molti tipi di reti, come le reti neurali convoluzionali (CNN) e i trasformatori. È possibile visualizzare e interpretare le previsioni della rete, verificarne le proprietà e comprimere le reti con la quantizzazione, la proiezione o lo sfoltimento.

Con l'app Deep Network Designer è possibile progettare, modificare e analizzare le reti in modo interattivo, importare i modelli preaddestrati ed esportare le reti in Simulink. La toolbox consente di interoperare con altre strutture di Deep Learning. È possibile importare modelli PyTorch®, TensorFlow™ e ONNX™ per inferenza, transfer learning, simulazione e implementazione. È inoltre possibile esportare i modelli su TensorFlow e ONNX.

È possibile generare automaticamente codice C/C++, CUDA® e HDL per le reti addestrate.

Come iniziare a utilizzare Deep Learning Toolbox

Impara le nozioni di base di Deep Learning Toolbox

Applicazioni

Estendere i workflow di Deep Learning con la computer vision, l’elaborazione delle immagini, la guida automatizzata, i segnali, l'audio, l'analisi del testo e la finanza computazionale

Fondamenti di Deep Learning

Importare, costruire, addestrare, ottimizzare, verificare ed esportare reti neurali profonde

Workflow dei dati dell’immagine

Utilizzare reti preaddestrate o creare e addestrare reti da zero per la classificazione e la regressione delle immagini

Workflow dei dati delle sequenze e delle feature numeriche

Creare e addestrare reti neurali di classificazione, regressione e previsione per dati sequenziali e tabellari

Parallelo e cloud

Ampliare il Deep Learning con più GPU in locale o nel cloud e addestrare più reti in modo interattivo o in lavori batch

Differenziazione automatica

Personalizzare i livelli di Deep Learning, le reti, i loop di addestramento e le funzioni di perdita

Deep Learning con Simulink

Estendere i workflow di Deep Learning utilizzando Simulink

Generazione di codice

Generare codice C/C++, CUDA o HDL e implementare le reti di Deep Learning

Approssimazione, clustering e controllo delle funzioni

Eseguire la regressione, la classificazione, il clustering e modellare sistemi dinamici non lineari utilizzando reti neurali superficiali