Deep Learning

 

MATLAB pour le Deep Learning

Concevez, développez et visualisez des réseaux de neurones à convolution

Quelques lignes de code MATLAB® suffisent pour développer des modèles de Deep Learning, sans être nécessairement un expert du domaine. Découvrez comment MATLAB peut vous aider à exécuter des tâches de Deep Learning.

  • Accédez facilement aux modèles les plus récents, notamment GoogLeNet, VGG-16, VGG-19, AlexNet, ResNet-50, ResNet-101 et Inception-v3.
  • Accélérez les algorithmes sur des GPU NVIDIA®, le Cloud et les ressources de datacenter sans aucune programmation spécialisée.
  • Créez, modifiez et analysez des architectures complexes de réseaux neuronaux profonds à l'aide des applications MATLAB et des outils de visualisation
  • Automatisez l'étiquetage de vérité-terrain des données image, vidéo et audio en utilisant des applications.
  • Travaillez avec des modèles Caffe et TensorFlow-Keras.
  • MATLAB supporte ONNX™ pour vous permettre de collaborer avec des collègues en utilisant des environnements comme PyTorch et MxNet.

Pourquoi utiliser MATLAB pour le Deep Learning ?

Interopérabilité

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

Utilisez des applications d'étiquetage pour des processus de Deep Learning tels que la segmentation sémantique. 

Applications de prétraitement

Passez rapidement à l'apprentissage des réseaux. Prétraitez rapidement des jeux de données avec des applications spécifiques aux domaines, pour les 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 ayant fait l'objet d'un préapprentissage pour l'apprentissage par transfert.

Déploiement multiplateformes

Déployez des modèles de Deep Learning n'importe où, y compris dans du code CUDA, du code C, des systèmes d'entreprise ou le Cloud. Lorsque les performances sont fondamentales, 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 à hautes performances.

Get Started Fast

Introduction au Deep Learning (Deep Learning Onramp)

Get started with deep learning techniques in this free, hands-on tutorial.

Explore Getting Started Resources

Watch a demonstration, explore interactive examples, and access free tutorials.

Démarrez rapidement

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

Obtenez gratuitement la version d'évaluation

Bénéficiez d'une version d'évaluation gratuite de 30 jours.

Vous avez des questions ?

Échangez avec un expert du Deep Learning.