Applications de Deep Learning
Quelques lignes de code MATLAB suffisent pour intégrer du Deep Learning dans vos applications, que ce soit pour le design d'algorithmes, la préparation et la labélisation des données ou la génération de code et son déploiement sur des systèmes embarqués.
Traitement du signal
Acquérir et analyser des signaux et des séries temporelles
Computer Vision
Collecter, traiter et analyser des images et des vidéos
Deep Reinforcement Learning
Définir, entraîner et déployer des politiques de Reinforcement Learning
Radar
Appliquer des techniques d'intelligence artificielle aux applications radar
Lidar
Appliquer des techniques d'intelligence artificielle aux applications Lidar
L'IA pour les télécommunications
Utiliser des techniques l'IA pour vos applications de télécommunications
Pourquoi MATLAB pour le Deep Learning ?
MATLAB permet de passer facilement des modèles de Deep Learning aux systèmes réels basés sur l'intelligence artificielle (IA).
Prétraiter les données
Utilisez des applications interactives pour labéliser, recadrer et identifier les caractéristiques importantes, et des algorithmes prédéfinis pour vous aider à automatiser le processus de labélisation.
Entraîner et évaluer des modèles
Commencez avec un ensemble complet d'algorithmes et de modèles prédéfinis, puis créez et modifiez les modèles de Deep Learning avec l'application Deep Network Designer.
Simuler les données
Testez des modèles de Deep Learning en les intégrant dans des simulations au niveau système dans Simulink. Testez des scénarios de cas limites difficiles à tester sur du hardware. Comprenez comment vos modèles de Deep Learning impactent les performances du système dans son ensemble.
Déployer des réseaux entraînés
Déployez votre réseau entraîné sur des systèmes embarqués, des systèmes d'entreprise, des cartes FPGA ou dans le cloud. Générez du code à partir des bibliothèques d'Intel®, NVIDIA® et ARM® pour créer des modèles déployables avec une vitesse d'inférence haute performance.
S'intégrer à des frameworks basés sur Python
MATLAB vous permet d'accéder aux derniers résultats de la recherche en important des modèles Tensorflow et en utilisant des fonctionnalités ONNX. Pour démarrer, vous pouvez utiliser une bibliothèque de modèles prédéfinis, tels que NASNet, SqueezeNet, Inception-v3 et ResNet-101. Appeler du Python depuis MATLAB et inversement vous permet de collaborer avec des collègues qui utilisent une solution open source.
Tutoriels et exemples de Deep Learning avec MATLAB
Que vous découvriez le Deep Learning ou que vous cherchiez un workflow de bout en bout, explorez ces ressources MATLAB qui faciliteront votre prochain projet.
Demander une version d’essai gratuite
Profitez de 30 jours pour tester.
Deep Learning Toolbox
Concevez, entraînez et analysez des réseaux de Deep Learning.
Apprendre en codant
Apprenez auprès d'un expert en Deep Learning.
