Deep Learning Toolbox
Progettazione, addestramento, analisi e simulazione di reti di Deep Learning
Hai domande? Contatta l’ufficio commerciale.
Deep Learning Toolbox
Deep Learning Toolbox mette a disposizione funzioni, app e blocchi Simulink per progettare, implementare e simulare reti neurali profonde. Il toolbox fornisce un framework per creare e utilizzare molti tipi di reti, come le reti neurali convoluzionali (CNN) e i trasformatori. È possibile visualizzare e interpretare le previsioni di una rete, verificare le proprietà della rete e comprimere le reti tramite quantizzazione, proiezione o pruning.
Con l’app Deep Network Designer, è possibile progettare, modificare e analizzare le reti in modo interattivo, importare modelli pre-addestrati ed esportare le reti in Simulink. Il toolbox consente di interagire con altri framework di Deep Learning. È possibile importare modelli PyTorch®, TensorFlow™ e ONNX™ a scopo di inferenza, Transfer Learning, simulazione e distribuzione. È inoltre possibile esportare i modelli in TensorFlow e ONNX.
È possibile generare automaticamente codice C/C++, CUDA® e HDL per le reti addestrate.
Deep Learning per ingegneri
Crea e utilizza modelli di Deep Learning esplicabili, robusti e scalabili per l’ispezione visiva automatizzata, la modellazione di ordine ridotto, le comunicazioni wireless, la visione artificiale e altre applicazioni.
Deep Learning in Simulink
Utilizza il Deep Learning con Simulink per testare l’integrazione di modelli di Deep Learning in sistemi più grandi. Simula modelli basati su MATLAB o Python per valutare il comportamento dei modelli e le prestazioni dei sistemi.
Integrazione con PyTorch e TensorFlow
Scambia modelli di Deep Learning con framework di Deep Learning basati su Python. Importa modelli PyTorch, TensorFlow e ONNX ed esporta reti in TensorFlow e ONNX con una sola riga di codice. Co-esegui i modelli basati su Python in MATLAB e Simulink.
Generazione e distribuzione di codici
Genera automaticamente codice C/C++ ottimizzato (con MATLAB Coder) e codice CUDA (con GPU Coder) per la distribuzione su CPU e GPU. Genera codice Verilog® e VHDL® sintetizzabile (con Deep Learning HDL Toolbox) per la distribuzione su FPGA e SoC.
Spiegabilità e verifica
Visualizza l’avanzamento dell’addestramento e le attivazioni delle reti neurali profonde. Usa Grad-CAM, D-RISE e LIME per spiegare i risultati delle reti. Verifica la robustezza e l’affidabilità delle reti neurali profonde.
Progettazione e addestramento di reti
Usa gli algoritmi di Deep Learning per creare CNN, LSTM, GAN e trasformatori, oppure esegui il Transfer Learning con modelli pre-addestrati. Etichetta, elabora e incrementa automaticamente i dati immagine, video e di segnali per l’addestramento delle reti.
App low-code
Accelera la progettazione di reti, l’analisi e il Transfer Learning per i modelli integrati e basati su Python usando l’app Deep Network Designer. Ottimizza e confronta più modelli con l’app Experiment Manager.
Compressione mediante Deep Learning
Comprimi la tua rete di Deep Learning tramite quantizzazione, proiezione o pruning per ridurne il footprint di memoria e aumentare le prestazioni di inferenza. Valuta le prestazioni di inferenza e la precisione usando l’app Deep Network Quantizer.
Scalabilità del Deep Learning
Accelera l’addestramento sul Deep Learning utilizzando GPU, accelerazione cloud e calcolo distribuito. Addestra più reti in parallelo e procedi all’offload dei calcoli di Deep Learning per l’esecuzione in background.
Risorse sui prodotti:
“Era la prima volta che simulavamo dei sensori con reti neurali su una delle nostre ECU di un motopropulsore. Senza MATLAB e Simulink, avremmo dovuto procedere con una noiosa codifica manuale, un processo lento e soggetto a errori.”
Richiedi una versione di prova gratuita
30 giorni di prova a tua disposizione.
Pronto per acquistare?
Richiedi una quotazione e scopri i prodotti correlati.
Sei uno studente?
È possibile che la tua scuola già fornisca accesso a MATLAB, Simulink e ad altri prodotti complementari mediante una Campus-Wide License.
