Deep Learning

Les nouveautés de MATLAB pour le Deep Learning ?

Avec MATLAB, le Deep Learning est simple et accessible à tous, y compris aux non-experts. Découvrez les dernières fonctionnalités pour concevoir et développer vos propres modèles, l’apprentissage et la visualisation de réseaux, ainsi que le déploiement.

Préparation et labellisation des données

  • Application pour labelliser des pixels et des régions pour la segmentation sémantique et la détection d’objets
  • Automatisez les tâches de labellisation de la vérité terrain à l’aide d’API d’automatisation

Architectures des réseaux

  • Réseaux DAG (Directed Acyclic Graph) pour représenter des architectures complexes
  • Réseaux LSTM (Long Short-Term Memory) pour la prédiction et la classification de séries temporelles, de texte et de signaux
  • Classification des pixels individuels à l’aide de la segmentation sémantique
  • Nouveau Réseaux LSTM régressifs et bidirectionnels pour les sorties continues de séries temporelles
  • Support des couches personnalisées : définissez de nouvelles couches et spécifiez des fonctions de perte pour les couches de sortie de la classification et de la régression
  • Nouveau Validation automatique des couches personnalisées pour vérifier la cohérence de la taille et du type des données

Accédez aux modèles préentraînés les plus récents

  • Fonctionnalité d’importation de modèles Tensorflow-Keras
  • Importez des modèles à partir de Caffe (y compris Caffe Model Zoo)
  • GoogLeNet, VGG-16, VGG-19, AlexNet, ResNet-50, ResNet-101 et Inception-v3
  • Bientôt disponibles : Inception-ResNet-v2, SqueezeNet

Apprentissage des réseaux

  • Validation automatique des performances du réseau et arrêt de l’apprentissage lorsque les métriques de validation ne s’améliorent plus
  • Réglage des hyperparamètres à l’aide de l’optimisation bayésienne
  • Nouveau Optimisateurs supplémentaires pour l’apprentissage : ADAM & RMSprop
  • Nouveau Entraînez des réseaux DAG en parallèle et sur plusieurs GPU

Debugging and Visualization

  • Nouveau Activations de DAG : visualisez des activations intermédiaires pour les réseaux tels que GoogLeNet et Inception-v3
  • Surveillez l’apprentissage avec des tracés de précision, de perte et des métriques de validation
  • Bientôt disponibles: Tracez et analysez votre réseau à l’aide de l’application Network Analyzer

Déploiement

  • Possibilité de convertir automatiquement les modèles de Deep Learning de MATLAB en code CUDA avec GPU Coder
  • Nouveau Support des réseaux DAG, y compris GoogLeNet, ResNet-50, ResNet-101, Inception-v3 et SegNet
  • Nouveau Support des processeurs Intel et ARM
  • Nouveau Générez du code CUDA qui s’intègre avec TensorRT

Version d’évaluation

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

Vous avez des questions ?

Échangez avec un expert du Deep Learning.