MathWorks が MATLAB/Simulink 製品ファミリーの Release 2017b を発表

MathWorks は本日、Release 2017b (R2017b) を発表しました。このリリースには、MATLAB および Simulink の新機能、6 つの新製品、さらにアップデートおよびバグ修正が行われた 86 製品が含まれます。また、このリリースにはディープラーニングの重要な新機能が追加されており、エンジニア、研究者、およびその他の分野の専門家の方たちが簡単にモデルの設計、学習、配布を行えるようになっています。

ディープラーニングのサポート

R2017b におけるディープラーニングの具体的な特徴、製品、および機能には次が含まれます。

• Neural Network Toolbox に、有向非循環グラフ (DAG) および長期短期記憶 (LSTM) ネットワークなど、複雑なアーキテクチャのサポートが追加され、GoogLeNet などの一般的な事前学習済みモデルへのアクセスが可能になります。
• Computer Vision System Toolbox の画像ラベル付けアプリケーションが提供する対話型の便利な方法で、イメージのシーケンス内のグラウンド トゥルース データにラベルを付けることができます。オブジェクト検出のワークフローに加え、画像内のピクセル領域を分類し、セグメンテーション結果を評価および可視化するための、ディープラーニングを使用したセマンティック セグメンテーションもサポートされるようになりました。
• 新製品である GPU Coder は、ディープラーニング モデルを NVIDIA GPU 用 CUDA コードに自動変換します。社内のベンチマークにより、ディープラーニング インターフェイス用に生成されるコードのパフォーマンスが、配布モデルにおいて TensorFlow の 7倍、および、Caffe2 の 4.5 倍、であることが示されています。

事前学習済みモデルは、2017a で導入された機能と合わせて、転移学習に使用することができます。これには、たたみ込みニューラル ネットワーク (CNN) モデル (AlexNet、VGG-16、VGG-19)、および Caffe よりインポートしたモデル (Caffe Model Zoo など) が含まれます。モデルの開発は、イメージ分類、オブジェクト検出、回帰などのために CNN を使用する場合を含め、ゼロから行うことができます。

「スマート デバイスと IOT の増加に伴い、設計チームはよりインテリジェントな製品やアプリケーションを作成する必要性に迫られています。そのためには、ディープラーニングのスキルを自ら身につけるか、ディープラーニングの専門知識を持つ外部チームに頼る必要がありますが、外部チームはアプリケーションのコンテキストを必ずしも理解していません。」と、MathWorks MATLAB マーケティング ディレクターの David Rich は言います。「R2017b を使用すれば、エンジニアリング チームやシステム統合チームは、MATLAB の使用をディープラーニングまで拡張できるため、設計プロセス全体の管理を向上させ、より高品質の設計をより短期間で作成できるようになります。事前学習済みのネットワークを使用し、コードおよびモデルを共同で開発し、GPU および組み込みデバイスに配布することができます。MATLAB を使用すれば、品質の向上と同時に、グラウンド トゥルース ラベルの作成を自動化することにより、モデルの開発時間を短縮することもできます。   

その他のアップデート

R2017b では、ディープラーニング以外にも、主要となる他の領域において次のような一連のアップデートが行われています。

• MATLAB によるデータ解析
  • 新製品の Text Analytics Toolbox、拡張性に優れたデータストア、機械学習向けビッグ データのプロットとアルゴリズム、および Microsoft Azure BLOB ストレージのサポート
• Simulink によるリアルタイム ソフトウェアのモデリング
  • スケジューリング効果のモデル化および、ソフトウェア環境のための組み込み可能なコンポーネントの実装
• Simulink による検証と妥当性確認
  • 要求仕様のモデリングのための新しいツール、カバレッジ解析のテスト、および準拠チェック

R2017b は世界中で今すぐに入手可能です。アップデートの一覧については、新規リリースのページをご参照ください。