Main Content

このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

Deep Learning Toolbox

深層学習ネットワークの設計、学習、解析、およびシミュレーション

Deep Learning Toolbox™ は、深層ニューラル ネットワークを設計、実装、およびシミュレーションするための関数、アプリ、Simulink® ブロックを提供します。このツールボックスは、畳み込みニューラル ネットワーク (CNN) やトランスフォーマーなど、さまざまな種類のネットワークを作成および使用するためのフレームワークを提供します。ネットワーク予測を可視化して解釈し、ネットワーク プロパティを検証し、量子化、投影、または枝刈りを使用してネットワークを圧縮できます。

ディープ ネットワーク デザイナー アプリを使用すると、ネットワークを対話的に設計、編集、解析したり、事前学習済みモデルをインポートしたり、ネットワークを Simulink にエクスポートしたりできます。このツールボックスを使用することで、他の深層学習フレームワークと相互運用できます。PyTorch®、TensorFlow™、ONNX™ のモデルをインポートして、推論、転移学習、シミュレーション、および展開を行うことができます。モデルを TensorFlow および ONNX にエクスポートすることもできます。

学習済みネットワーク用の C/C++ コード、CUDA® コード、および HDL コードを自動的に生成できます。

Deep Learning Toolbox 入門

Deep Learning Toolbox の基礎を学ぶ

用途

コンピューター ビジョン、イメージ処理、自動運転、信号、オーディオ、テキスト分析、および金融工学における深層学習のワークフローの拡張

深層学習の基本

深層ニューラル ネットワークのインポート、構築、学習、調整、可視化、検証、およびエクスポート

イメージ データのワークフロー

事前学習済みのネットワークを使用するか、ネットワークをゼロから作成して学習を行い、イメージの分類と回帰を実行する

シーケンス形式および数値形式の特徴データのワークフロー

シーケンス データと表形式データの分類、回帰、および予測のためのニューラル ネットワークの作成と学習

並列と点群

ローカルまたはクラウドでの複数の GPU を使用した深層学習のスケールアップ、対話形式またはバッチ ジョブによる複数のネットワークの学習

自動微分

深層学習の層、ネットワーク、学習ループ、および損失関数のカスタマイズ

Simulink を使用した深層学習

Simulink を使用した深層学習のワークフローの拡張

コード生成

C/C++ コード、CUDA コード、または HDL コードの生成と深層学習ネットワークの展開

関数近似、クラスタリング、および制御

浅層ニューラル ネットワークを使用した回帰、分類、クラスタリング、および非線形動的システムのモデル化の実行