MATLAB pour le Deep Learning

Préparer des données, concevoir, simuler et déployer des réseaux de neurones profonds

Télécharger une version d'essai gratuite

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).

IA pour les ingénieurs : créer un système d'IA (3:40)

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.

Explorez les modèles

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.

Intégrer l'IA dans le design au niveau système

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.

Explorez les options d'Edge AI

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.