Deep Learning

Nuove funzionalità di deep learning in MATLAB

MATLAB rende il deep learning facile ed accessibile per chiunque, anche per i meno esperti. Dai un’occhiata alle nuove funzionalità per la progettazione e la creazione di modelli personali, addestramento, visualizzazione e distribuzione di reti.

Preparazione ed etichettatura di dati

  • Video Labeler: etichetta i dati sul campo nelle sequenze video o di immagini
  • Audio Labeler: definisci e visualizza in modo interattivo le etichette di dati sul campo per serie di dati audio
  • Novità Signal Labeler: visualizza ed etichetta segnali in modo interattivo
  • Novità Datastore di etichette pixel: memorizza le informazioni sui pixel per i dati di segmentazione semantica 2D e 3D
  • Datastore di immagini ampliato: crea più campioni di addestramento per incrementare i dati di addestramento mediante deep learning
  • Novità Datastore audio: Gestisci ampie serie di registrazioni audio

Architetture di rete

  • LSTM di regressione e bidirezionali per output continui e di serie storiche
  • Novità Addestra un rilevatore di oggetti di deep learning YOLO (You Only Look Once) v2 e genera codice CUDA
  • Deep Network Designer: progetta graficamente e analizza reti profonde e genera codice MATLAB
  • Novità Supporto per layer personalizzati: definisci nuovi layer con più input e output e specifica le funzioni di perdita per classificazione e regressione
  • Novità Combina reti LSTM e layer convoluzionali per la classificazione di video e il riconoscimento dei gesti

Interoperabilità del deep learning

  • Importa ed esporta modelli con altri framework di deep learning utilizzando il formato del modello ONNX
  • Capacità di operare con MobileNet-v2, ResNet-101, Inception-v3, SqueezeNet e NASNet
  • Novità Importa i modelli TensorFlow-Keras e genera codice CUDA
  • Novità Importa le reti DAG nell’importatore di modelli Caffe

Vedi un elenco esaustivo di modelli pre-addestrati supportati in MATLAB.

Addestramento delle reti

  • Convalida automaticamente le prestazioni della rete e interrompi l’addestramento quando le metriche di convalida non fanno più registrare miglioramenti
  • Novità Addestra le reti di deep learning con dati immagine 3D
  • Esegui l’affinamento di iperparametri utilizzando l’ottimizzazione bayesiana
  • Ottimizzatori aggiuntivi per l’addestramento: Adam e RMSProp
  • Addestra le reti DAG in parallelo e su più GPU
  • Novità Addestra i modelli di deep learning su piattaforme NVIDIA DGX e Cloud

Debug e visualizzazione

  • Attivazioni DAG: visualizza attivazioni intermedie per reti come ResNet-50, ResNet-101, GoogLeNet e Inception-v3
  • Monitora i progressi dell'addestramento con grafici per la precisione, la perdita e le metriche di convalida
  • Network Analyzer: visualizza, analizza e individua i problemi nelle architetture di rete prima dell’addestramento

Distribuzione

  • Integra il codice CUDA generato con NVIDIA®TensorRT che sfrutta i vantaggi dell’ottimizzazione FP16
  • Supporto per reti DAG, tra cui GoogLeNet, ResNet-50, ResNet-101 e SegNet
  • Genera codice dai modelli di deep learning addestrati per processori Intel® Xeon e ARM® Cortex-A®
  • Distribuzione automatica a piattaforme NVIDIA Jetson e DRIVE
  • Ottimizzazione del deep learning: prestazioni migliorate attraverso procedure di auto-tuning, fusione di strati e il supporto delle librerie Thrust
  • Novità Applica le trasposizioni ottimizzate di CUDA utilizzando la memoria condivisa per ottimizzare le prestazioni

Reinforcement Learning

  • Algoritmi di reinforcement learning: addestra i criteri di una rete neurale profonda utilizzando DQN, DDPG, A2C e altri algoritmi
  • Modellazione dell’ambiente: crea modelli MATLAB e Simulink per rappresentare gli ambienti e utilizza segnali di osservazione e compensazione per i criteri di addestramento
  • Accelerazione dell’addestramento: parallelizza l’addestramento dei criteri su GPU e CPU multicore
  • Esempi di riferimento: implementa i controllori utilizzando il reinforcement learning per applicazioni di guida automatizzata e robotica

Prova gratuita

30 giorni di esplorazione a tua disposizione.

Hai domande?

Consulta un esperto di deep learning.