Новые инструменты глубокого обучения от Matlab упрощают разработку систем искусственного интеллекта

В выпуске MATLAB 2018b MathWorks представлен ряд новых функций, в том числе Deep Learning Toolbox, который поддерживает разработку приложений для машинного обучения. Другие новые функции включают в себя 5G Toolbox, NVIDIA Cloud и поддержку DGX плюс Sensor Fusion и Tracking.

Deep Learning Toolbox поддерживает сверточные нейронные сети (CNN) и сети с долгой краткосрочной памятью (LSTM) для классификации и регрессии изображений, временных рядов и текстовых данных. Это облегчает пользователям MATLAB возможность работать с другими платформами машинного обучения, хотя он также может импортировать и экспортировать модели в такие структуры, как PyTorch, MXNet, Caffe и TensorFlow-Keras, используя формат обмена для нейронных сетей ONNIX.

Разработчики могут использовать поддержку глубокой нейронной сети MATLAB (DNN) из кода MATLAB (рисунок ниже). MATLAB Coder или GPU Coder можно использовать для генерации кода C ++ и CUDA для развертывания на Intel с использованием MMKL-DNN, ARM с использованием библиотеки ARM Compute Library и платформ NVIDIA Tegra с использованием многочисленных библиотек NVIDIA.

Восемь строк кода MATLAB - это все, что необходимо для использования сети классификации для идентификации изображений с использованием модели AlexNet

Однако написание своего кода — это лишь часть истории. Разработчик модуля глубокого обучения (рисунок ниже) предоставляет возможность использовать предварительно обработанные модели, включая SqueezeNet, Inception-v3, ResNet-101, GoogLeNet и VGG-19, а также разработку новых моделей. Его можно использовать в сочетании с приложением MATLAB Image Labeler, где пользователи могут просматривать и маркировать изображения для семантической сегментации. Разработчики могут создавать рабочие процессы, специфичные для домена, для информации о маркировке наземной информации для изображений, видео и аудиоклипов.

Deep Network Designer может использоваться для тонкой настройки предварительно обученных сетей глубокого обучения.

Набор инструментов также может применяться для подготовки больших наборов данных, используя преимущества распределенных вычислений с помощью многоядерных процессоров и графических процессоров с помощью Parallel Computing Toolbox. Разработчики могут воспользоваться облаком. Deep Learning Toolbox поддерживает экземпляры Amazon EC2 P2, P3 и G3 с использованием распределенного вычислительного сервера MATLAB. Инструментарий также поддерживает Amazon AWS и Microsoft Azure.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *