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

  • App per etichettare pixel e regioni per la segmentazione semantica e la rilevazione di oggetti
  • Automatizza l’etichettatura sul campo tramite l’apposita API

Architetture di rete

  • Reti Directed Acyclic Graph (DAG) per la rappresentazione di architetture complesse
  • Reti Long Short-Term Memory (LSTM) per la previsione e la classificazione di serie storiche, testo e dati di segnali
  • Classifica dei singoli pixel utilizzando la segmentazione semantica
  • Novità LSTM di regressione e bidirezionale per output continui e di serie storiche
  • Supporto per layer custom: Definisci i nuovi livelli e specifica le funzioni di perdita per livelli di output di classificazione e regressione
  • Novità Validazione automatica di layer custom per verificare la consistenza delle dimensioni e del tipo dei dati

Accedi agli ultimi modelli pre-addestrati

  • Importatore di modelli TensorFlow-Keras
  • Importa modelli da Caffe (compreso Caffe Model Zoo)
  • GoogLeNet, VGG-16, VGG-19, AlexNet, ResNet-50, ResNet-101 e Inception-v3
  • Disponibile a breve: Inception-ResNet-v2, SqueezeNet

Addestramento delle reti

  • Validazione automatica delle prestazioni della rete e interrompi l’addestramento quando le metriche di validazione non registrano più miglioramenti significativi
  • Esegui il tuning degl iperparametri utilizzando l’ottimizzazione bayesiana
  • Novità Ottimizzatori aggiuntivi per il training: ADAM & RMSprop
  • Novità Addestra reti DAG in parallelo e su GPU diversi

Debug e visualizzazione

  • Novità Attivazioni DAG: Visualizza attivazioni intermedie per reti come GoogLeNet e Inception-v3
  • Monitora i progressi dell’addestramento con grafici di accuratezza, loss e le metriche di validazione
  • Disponibile a breve: Rappresenta e analizza la rete utilizzando l’app di Network Analyzer

Distribuzione

  • Capacità di convertire automaticamente i modelli di deep learning in MATLAB a CUDA utilizzando GPU Coder
  • Novità Supporto per reti DAG, tra cui GoogLeNet, ResNet-50, ResNet-101, Inception-v3 e SegNet
  • Novità Supporto per i processori Intel e ARM
  • Novità Genera il codice CUDA che si integra con TensorRT

Prova gratuita

30 giorni di esplorazione a tua disposizione.

Hai domande?

Consulta un esperto di deep learning.