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 derniers modèles, y compris GoogLeNet, VGG-16, VGG-19, AlexNet, ResNet-50, ResNet-101 et Inception-v3.
  • Accélérez les algorithmes sur NVIDIA® GPU, le cloud et les ressources de datacenter sans aucun élément de programmation particulier.
  • Créez, modifiez et analysez des architectures de réseaux de neurones profonds à l’aide des applications MATLAB et des outils de visualisation.
  • Automatisez la labélisation de la vérité terrain (ground-truth labeling) des données image, vidéo et audio à l’aide d’applications.
  • Travaillez avec des modèles Caffe et TensorFlow-Keras.
  • MATLAB supporte ONNX™ pour vous permettre de collaborer avec des collègues à l’aide d’infrastructures comme PyTorch et MxNet.

Pourquoi utiliser MATLAB pour le Deep Learning ?

Interopérabilité

Vous n’avez en fait pas besoin de choisir entre des infrastructures MATLAB et Python. MATLAB supporte l’interopérabilité avec les infrastructures 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.

Use labeling apps for deep learning workflows like semantic segmentation. 

Applications de prétraitement

Passez à l’apprentissage des réseaux plus rapidement. Prétraitez des jeux de données plus rapidement avec des applications spécifiques aux domaines pour les données audio, vidéo et image. Visualisez, vérifiez et corrigez des problèmes avant l’apprentissage à l’aide de l’application Deep Network Designer pour créer des architectures de réseaux complexes ou modifier des réseaux préentraînés pour l’apprentissage par transfert.

Déploiement multiplateforme

Déployez des modèles Deep Learning partout : CUDA, code C, 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.

Démarrez rapidement

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

Obtenez gratuitement la version d’essai

Bénéficiez d’une version d’évaluation de 30 jours.

Vous avez des questions ?

Échangez avec un expert du Deep Learning.