Python と MATLAB の使用
Python の共同実行、またはインポート関数とエクスポート関数を使用して、他の深層学習フレームワークで作業している担当者と共同作業し、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。
MATLAB を使用し、無線通信ツールボックスを活用して Python モデルに学習させるためのデータ セットを生成します。
リンク レベルおよびシステム レベルのシミュレーションで Python モデルをテストします。
モデル ベース デザインのワークフローに作業を統合する。詳細については、Simulink を使用した深層学習 (Deep Learning Toolbox)を参照してください。
ソフトウェア無線 (SDR) のサポートを活用して、無線 (OTA) 信号で設計をテストします。
設計に問題がなければ、対応している各プラットフォームにシステムをインポートして展開できます。詳細については、Interoperability Between Deep Learning Toolbox, TensorFlow, PyTorch, and ONNX (Deep Learning Toolbox)を参照してください。
トピック
- PyTorch Coexecution
AI for wireless workflows using coexecution of MATLAB and PyTorch. (R2025a 以降)
注目の例
Train PyTorch Channel Prediction Models
Train PyTorch-based channel prediction neural networks using data generated in MATLAB.
Offline Training and Testing of PyTorch Model for CSI Feedback Compression
Train an autoencoder-based PyTorch neural network offline and test for CSI compression.
Online Training and Testing of PyTorch Model for CSI Feedback Compression
Train an autoencoder-based PyTorch neural network online and test for CSI compression.
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.
Import TensorFlow Channel Feedback Compression Network and Deploy to GPU
Generate GPU specific C++ code for a pretrained TensorFlow channel state feedback autoencoder.
