Deep Learning Toolbox

ディープラーニング アプリケーション

自動運転、信号および音声処理、無線通信、画像処理などの分類、回帰、表現学習アプリケーションのためのディープラーニング モデルを学習します。

ネットワーク設計およびモデル管理

ローコードアプリを使用して、ディープラーニング モデルの開発を加速します。ディープ ネットワーク デザイナー アプリを使用して、ネットワークの作成、学習、解析、デバッグを行います。実験マネージャーアプリを使用して、複数のモデルを調整および比較します。

事前学習済みモデル

MATLAB のコードを 1 行書くだけで、広く利用されているモデルにアクセスできます。ONNX 形式に変換した PyTorch™ や TensorFlow™ を使用して、任意のモデルを MATLAB にインポートできます。

説明可能性

ディープラーニング ネットワークにおいて、学習進行状況、学習した特徴の活性化状態を可視化します。Grad-CAM、オクルージョン マッピング、LIME を使用して、ディープラーニング モデルの結果を説明します。

前処理

ネットワーク学習用データのラベル付け、処理、拡張を行います。組み込みアルゴリズムでデータのラベル付けを自動化します。

学習の高速化

GPU、クラウドでの高速化、分散コンピューティングを使用して、ディープラーニング学習を加速させます。

コード生成

GPU Coder を使用して最適化された CUDA® コードを自動的に生成し、MATLAB Coder を使用して C および C++ コードを生成して、ディープラーニング ネットワークを NVIDIA GPU と各種プロセッサに展開します。Deep Learning HDL Toolbox を使用して、FPGA や SoC 上でディープラーニング ネットワークをプロトタイピングおよび実装します。

Simulink を使用したシミュレーション

制御、信号処理、およびセンサー フュージョン コンポーネントを使用して、ディープラーニング ネットワークをシミュレーションし、ディープラーニング モデルがシステムレベルのパフォーマンスに与える影響を評価します。

ディープラーニングの圧縮

ディープラーニング ネットワークの量子化および枝刈りにより、メモリ使用量を低減し、推論性能を高めます。Deep Network Quantizer アプリを使用して、性能向上と推論精度のトレードオフを解析および可視化します。