無線のための MATLAB での Python の使用
R2026bMATLAB® から Python® ライブラリの機能を直接呼び出したり、MATLAB の機能を呼び出す Python プログラムを作成したりする無線用 AI
他の深層学習フレームワークを使用している同僚と協力し、PyTorch® モデル、TensorFlow™ モデル、または ONNX™ モデルの学習とテストを行います。関数をインポートおよびエクスポートすることもできます。
MATLAB から Python を呼び出してシミュレーションを実行することも、Python から MATLAB を呼び出してシミュレーションを実行することもできます。
このワークフローの手順には、データの生成、データの準備、深層ニューラル モデルの学習、モデルの圧縮、モデルのテスト、およびモデルの展開が含まれます。
これらの例では、学習、テスト、および展開のワークフロー手順に焦点を当てながら、5G 無線通信システムにおける人工知能 (AI) を使用したチャネル状態情報 (CSI) フィードバック圧縮手法および CSI 予測手法のための PyTorch モデルの実行方法を示しています。
トピック
はじめに
- Call Python from MATLAB for Wireless
AI for wireless workflows calling Python from MATLAB to run PyTorch or TensorFlow models. (R2026a 以降) - Call MATLAB from Python for Wireless
AI for wireless workflows with Python running PyTorch or TensorFlow models and calling MATLAB. (R2026b 以降) - PyTorch Wrapper Template
You can use your own PyTorch models in MATLAB by using the Python interface.
モデルの学習
- Train PyTorch Channel Prediction Models
Train a PyTorch neural network for channel prediction by using data generated in MATLAB. (R2025a 以降) - Train PyTorch Channel Prediction Models with Online Training
Enable real‐time adaptation to time‐varying wireless channels by generating each training batch in MATLAB on-the-fly to train a PyTorch GRU channel prediction network online. (R2026a 以降) - Offline Training and Testing of PyTorch Model for CSI Feedback Compression
Train an autoencoder-based PyTorch neural network offline and test for CSI compression. (R2025a 以降) - Online Training and Testing of PyTorch Model for CSI Feedback Compression
Train an autoencoder-based PyTorch neural network online and test for CSI compression. (R2025a 以降) - Offline CSI Feedback Training in Python with MATLAB Data Generation
Train a PyTorch-based autoencoder for CSI feedback compression using realistic CSI data generated in MATLAB. (R2026b 以降) - Online CSI Feedback Training in Python with MATLAB Data Generation
Train a PyTorch-based autoencoder for CSI feedback compression using fresh CSI data generated on demand in MATLAB. (R2026b 以降)
モデルのテスト
- Test AI-based CSI Compression Techniques for Enhanced PDSCH Throughput
Measure physical downlink shared channel (PDSCH) throughput in a 5G New Radio (NR) system, with a primary focus on AI-based compression methods for CSI feedback. (R2026a 以降) - Apply Transfer Learning on PyTorch Model to Identify 5G and LTE Signals
Coexecution with Python to identify 5G NR and LTE signals by using the transfer learning technique on a pre-trained PyTorch semantic segmentation network for spectrum sensing. (R2025a 以降) - Verify Performance of 6G AI-Native Receiver Using MATLAB and PyTorch Coexecution
Integrate a trained PyTorch network with MATLAB-based data generation to simulate an AI-native air interface. (R2025a 以降)
モデルの展開
- Import TensorFlow Channel Feedback Compression Network and Deploy to GPU
Generate GPU specific C++ code for a pretrained TensorFlow channel state feedback autoencoder. (R2023b 以降)
