MathWorks élargit les capacités de Deep Learning dans la version R2018b des familles de produits MATLAB et Simulink

MathWorks a présenté aujourd’hui la version R2018b de MATLAB et Simulink. Cette version apporte d’importantes améliorations pour le Deep Learning, ainsi que de nouvelles fonctionnalités et des correctifs pour toute les familles de produits. Le nouveau produit Deep Learning Toolbox, qui remplace Neural Network Toolbox, offre aux ingénieurs et aux scientifiques un environnement permettant de concevoir et d’implémenter des réseaux de neurones profonds. Désormais, les ingénieurs en traitement d’image, computer vision, traitement du signal et systèmes peuvent utiliser MATLAB pour concevoir plus facilement des architectures de réseaux complexes et améliorer les performances de leurs modèles de Deep Learning.

MathWorks a récemment rejoint la communauté ONNX afin de montrer son engagement pour l’interopérabilité, dans le but de permettre la collaboration entre les utilisateurs de MATLAB et les utilisateurs d’autres environnements de Deep Learning. Grâce à l’outil de conversion ONNX disponible dans la version R2018b, les ingénieurs peuvent importer et exporter des modèles réalisés dans des environnements supportés tels que PyTorch, MxNet et TensorFlow. Cette interopérabilité vous permet d’utiliser des modèles entraînés avec MATLAB dans d’autres environnements. De la même manière, vous pouvez importer des modèles entrainés avec d’autres environnements dans MATLAB pour réaliser des tâches comme le débogage, la validation et le déploiement embarqué. Par ailleurs, la version R2018b vous offre une sélection de modèles de référence accessibles à l’aide d’une seule ligne de code. De plus, des outils d’importation supplémentaires permettent d’utiliser des modèles Caffe et Keras-Tensorflow.

« À l’heure où le Deep Learning prend véritablement de l’ampleur dans plusieurs secteurs, nous ressentons le besoin de rendre cette technologie disponible, accessible et utilisable pour les ingénieurs et scientifiques de diverses spécialisations », indique David Rich, directeur marketing MATLAB chez MathWorks. « Désormais, les débutants en Deep Learning tout comme les experts peuvent apprendre, appliquer et diriger des projets de recherche avancés dans MATLAB via un processus de Deep Learning intégré, de la recherche à la production en passant par le prototypage. »

Dans la version R2018b, MathWorks continue d’améliorer la productivité de l’utilisateur et la facilité d’application des processus de Deep Learning grâce aux fonctionnalités suivantes :

·         L’application Deep Network Designer, qui permet aux utilisateurs de créer des architectures de réseaux complexes ou de modifier des réseaux préentraînés complexes pour l’apprentissage par transfert

·         L’amélioration des performances de l’apprentissage des réseaux au-delà des capacités du poste de travail en supportant les fournisseurs cloud avec MATLAB Deep Learning Container pour NVIDIA GPU Cloud et les architectures de référence MATLAB pour Amazon Web Services et Microsoft Azure

·         Support étendu de processus spécifiques à certains domaines, dont les applications de labellisation de la vérité terrain pour l’audio, la vidéo et les datastores spécifiques, ce qui facilite et accélère les opérations sur de grands jeux de données

Dans la version R2018b, GPU Coder améliore encore les performances des inférences grâce au support des bibliothèques NVIDIA et à l’ajout d’outils d’optimisation comme le réglage automatique, la fusion des couches et la minimisation de la mémoire tampon. En outre, vous pouvez désormais effectuer un déploiement sur les plateformes Intel et ARM à l’aide des bibliothèques Intel MKL-DNN et ARM Compute Library.

La version R2018b est disponible dès maintenant. Pour plus d’informations sur les nouvelles fonctionnalités et les correctifs ajoutés à la famille de produits MATLAB et Simulink, regardez la vidéo sur les principales nouveautés de la version R2018b.