MATLAB pour le Deep Learning

Préparation des données, conception, simulation et déploiement de réseaux de neurones profonds

Quelques lignes de code MATLAB® suffisent pour développer des modèles de Deep Learning, même si vous n’êtes pas un expert du domaine. Découvrez comment MATLAB peut vous aider à effectuer les activités du Deep Learning :

  • Créez, modifiez et analysez des architectures de Deep Learning avec des applications et des outils de visualisation
  • Prétraitez les données et automatisez la labellisation des données de vérité-terrain audio, vidéo et image avec des applications
  • Accélérez les algorithmes sur des GPU NVIDIA®, le cloud et les ressources de data center sans aucune programmation spécialisée
  • Travaillez avec vos collègues en utilisant des infrastructures comme TensorFlow, PyTorch et MxNet
  • Simulez et entraînez le comportement de systèmes dynamiques grâce au reinforcement learning
  • Générez des données de test et d'apprentissage basées sur des simulations à partir de modèles de systèmes physiques exprimés dans MATLAB et Simulink®
Découvrez comment Kestrel Agritech prévient les dommages aux cultures et améliore les rendements avec MATLAB, l'intelligence artificielle et le support du programme Startup de MathWorks.

Pourquoi utiliser MATLAB pour le Deep Learning ?

Interopérabilité

Vous n'avez pas besoin de choisir entre les environnements MATLAB et Python. MATLAB supporte l'interopérabilité avec les infrastructures de Deep Learning en open source à l'aide des fonctionnalités d'importation et d'exportation ONNX. Utilisez les outils MATLAB là où vous en avez besoin, en accédant à des fonctions prédéfinies et des applications non disponibles sous Python.

Utilisez des applications de labellisation pour des processus de Deep Learning tels que la segmentation sémantique.

Applications de prétraitement

Entraînez vos réseaux. Prétraitez rapidement des jeux de données avec des applications spécifiques aux données audio, vidéo et image. Visualisez, vérifiez et corrigez des problèmes avant l'apprentissage en utilisant l'application Deep Network Designer pour créer des architectures de réseaux complexes ou modifier des réseaux pré-entraînés pour l'apprentissage par transfert.

Déploiement multi-plateformes

Déployez des modèles de Deep Learning n'importe où, notamment dans du code CUDA, du code C, des systèmes d'entreprise ou le cloud. Lorsque les performances priment, vous pouvez générer du code s'appuyant sur des bibliothèques optimisées Intel® (MKL-DNN), NVIDIA (TensorRT, cuDNN) et ARM® (ARM Compute Library) pour créer des modèles déployables avec une vitesse d'interférence haute performance.

Démarrez rapidement

Introduction au Deep Learning (Deep Learning Onramp)

Formez-vous aux techniques de Deep Learning avec ce tutoriel gratuit.

Découvrez les ressources favorisant un démarrage rapide

Regardez une démonstration, explorez des exemples interactifs et accédez à des tutoriels gratuits.

Obtenez gratuitement la version d’essai

Bénéficiez d’une version d’essai gratuite de 30 jours.

Vous avez des questions ?

Échangez avec un expert du Deep Learning.