MATLAB per il deep learning

Preparazione, progettazione, simulazione e distribuzione di dati per reti neutrali profonde

Con solo poche righe di codice MATLAB®, puoi costruire modelli di deep learning senza essere un esperto. Scopri come MATLAB può aiutarti a svolgere attività di deep learning:

  • Crea, modifica e analizza architetture di deep learning utilizzando app e strumenti di visualizzazione.
  • Pre-elabora i dati e automatizza l’etichettatura sul campo di immagini, video e dati audio utilizzando le app.
  • Accelera algoritmi su GPU NVIDIA®, cloud e risorse datacenter senza una programmazione specifica.
  • Collabora con i tuoi colleghi utilizzando framework come TensorFlow, PyTorch e MxNet.
  • Simula e addestra il comportamento di sistemi dinamici con il reinforcement learning.
  • Genera dati di test e addestramento basati sulla simulazione dai modelli di sistemi fisici di MATLAB e Simulink®.
Scopri come Kestrel Agritech riesce a prevenire i danni ai raccolti e a migliorare la produzione con MATLAB, l’intelligenza artificiale e il supporto del programma per startup di MathWorks.

Perché usare MATLAB per il deep learning?

Interoperabilità

Non si tratta di scegliere tra MATLAB e i framework basati su Python. MATLAB supporta l’interoperabilità con framework di deep learning open source che utilizzano funzionalità di importazione ed esportazione ONNX. Utilizza gli strumenti MATLAB dove è necessario , ad esempio per accedere a funzionalità e app predefinite non disponibili in Python.

Utilizza le app di etichettatura per i flussi di lavoro di deep learning come la segmentazione semantica. 

App per la pre-elaborazione

Inizia rapidamente l’addestramento delle reti. Pre-elabora velocemente i set di dati con app multidominio per dati audio, video e immagine. Visualizza, verifica e risolvi i problemi prima dell’addestramento utilizzando l’app Deep Network Designer per creare architetture di rete complesse o modificare reti pre-addestrate per il transfer learning.

Distribuzione su più piattaforme

Distribuisci modelli di deep learning su qualsiasi sistema, inclusi CUDA, codice C, sistemi aziendali o cloud. Quando le prestazioni sono importanti, puoi generare codice che sfrutta le librerie ottimizzate per Intel® (MKL-DNN), NVIDIA (TensorRT, cuDNN) e ARM® (ARM Compute Library) per creare modelli distribuibili con velocità di inferenza ad alte prestazioni.

Inizia subito

Deep Learning Onramp

Inizia a utilizzare le tecniche di deep learning con questo tutorial pratico e gratuito.

Consulta le risorse introduttive

Guarda una dimostrazione, esplora gli esempi interattivi e accedi a tutorial gratuiti.

Richiedi una versione di prova gratuita

30 giorni di prova a tua disposizione.

Hai domande?

Consulta un esperto di deep learning.