MATLAB と Python を使用した AI
Python の共同実行を使用して、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、または TensorFlow™ モデルの学習とテストを行います。
信号処理ツールボックスを使用して、信号の前処理、データ セットの生成、特徴の抽出を行い、Python モデルの学習とテストを行う。
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。
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する。詳細については、Interoperability Between Deep Learning Toolbox, TensorFlow, PyTorch, and ONNX (Deep Learning Toolbox)とPyTorch および LiteRT モデルのコード生成 (MATLAB Coder)を参照してください。
低レイテンシ オーディオ I/O を使用して、オーディオ モデルをリアルタイムで実行する。Audio Toolbox™ を使用できる場合、移植性やデジタル オーディオ ワークステーションでの使用のために、モデルをオーディオ プラグインとして展開することもできます。
トピック
- Python Coexecution
Coexecute Python models in MATLAB to implement AI signal processing workflows. (R2026a 以降)
注目の例
Use Signal Feature Extraction to Train PyTorch Fault Detection Model
Coexecute a PyTorch long short-term memory neural network in MATLAB to identify faulty bearing signals.
Signal Imputation in Signal Analyzer Using Time-Series Foundation Model
Coexecute a PyTorch time-series foundation model in Signal Analyzer to restore missing samples in signals.
Anomaly Detection in Signal Labeler Using Time-Series Foundation Model
Coexecute a PyTorch time-series foundation model in Signal Labeler to detect anomalies in signals.
Train PyTorch Speech Command Recognition Model
Learn how to combine MATLAB data processing and visualization capabilities with a Python deep learning framework.
