MathWorks が MATLAB/Simulink 製品ファミリーの Release 2018b でディープラーニングの機能を拡張

MathWorks は本日、MATLAB および Simulink の Release 2018b を発表しました。このリリースには、製品ファミリー全体にわたる新しい機能やバグ修正とともに、ディープラーニングの大幅な強化が盛り込まれています。Neural Network Toolbox に代わる新しい Deep Learning Toolbox は、エンジニアや科学者にディープ ニューラル ネットワークの設計と実装のためのフレームワークを提供します。画像処理、コンピューター ビジョン、信号処理、およびシステム関連のエンジニアは、MATLAB を使用して、複雑なネットワーク アーキテクチャをより容易に設計し、それらのディープラーニング モデルのパフォーマンスを改善できるようになりました。

MathWorks は最近、相互運用性への取り組みを示すために ONNX コミュニティに参加し、MATLAB のユーザーと他のディープラーニング フレームワークとの間のコラボレーションを可能にしました。R2018b の新しい ONNX コンバーターを使用して、エンジニアは、PyTorch、MxNet、および TensorFlow などのサポートされているフレームワークからモデルをインポートおよびエクスポートすることができます。この相互運用性は、MATLAB で学習されたモデルを他のフレームワークで使用することを可能にします。同様に、他のフレームワークで学習されたモデルを MATLAB に取り込んで、デバッグ、検証、組み込み配布などのタスクを実行することができます。さらに、R2018b は、一行のコードでアクセス可能な参照モデルのセットを提供します。また、追加されたモデル インポーターにより、Caffe および Keras-Tensorflow からのモデルの使用が可能になります。

MathWorks の MATLAB マーケティング ディレクターである、デビッド・リッチ氏は、「ディープラーニングがさまざまな産業で普及するにつれ、各種専門分野のエンジニアや科学者からこの技術を利用可能かつアクセス可能にし、それらの分野に対応できるようにする必要があります」と述べています。「現在、ディープラーニングの初心者および専門家は、研究からプロトタイプ、量産にいたるまで、統合されたディープラーニング ワークフローを利用して、MATLAB で高度な研究を学び、適用し、実施することができます。」

MathWorks は R2018b においても、ディープラーニング ワークフローの生産性と使いやすさの改善を継続しています。

·         ユーザーが複雑なネットワーク アーキテクチャを作成したり、転移学習のために複雑な事前学習済みのネットワークを変更したりできる Deep Network Designer アプリ

·         NVIDIA GPU クラウド上の MATLAB Deep Learning Container と、Amazon Web Services および Microsoft Azure 用の MATLAB リファレンス アーキテクチャでクラウド ベンダーをサポートすることにより、デスクトップ機能を超えたネットワーク トレーニング パフォーマンスの改善

·         オーディオ、ビデオ、およびアプリケーション固有のデータストアの Ground Truth ラベル アプリケーションを含むドメイン固有のワークフローのサポートを拡張し、大量の収集データでの作業をより容易かつ高速にする

R2018b では、GPU Coder は、NVIDIA ライブラリをサポートし、自動調整、レイヤー フュージョン、バッファーの最小化などの最適化を追加することにより、推定パフォーマンスが一層改善されています。さらに、Intel MKL-DNN および ARM Compute Library を使用して、Intel および ARM プラットフォームの導入サポートが追加されています。

R2018b は今すぐに入手可能です。MATLAB および Simulink 製品ファミリーに対するすべての新しい機能およびバグ修正の詳細については R2018b Highlights ビデオをご覧ください。