ディープラーニング

 

MATLAB によるディープラーニング

畳み込みニューラル ネットワークの設計、構築、可視化

わずか数行の MATLAB® コードでディープラーニング モデルを構築できます。専門知識は必要ありません。MATLAB はディープラーニングのタスクを実行する上で、以下のような特長を備えています。

  • GoogLeNet、VGG-16、VGG-19、AlexNet、ResNet-50、ResNet-101、Inception-v3 を含む最新モデルに簡単にアクセスできます。
  • 特殊なプログラミングを使用せずに、NVIDIA® GPU、クラウドおよびデータセンター リソースのアルゴリズムを高速化できます。
  • MATLAB アプリと可視化ツールを使用して、複雑なディープ ニューラル ネットワーク アーキテクチャを作成、変更、および分析できます。
  • アプリを使用して、イメージ、ビデオ、およびオーディオデータの Ground Truth ラベリングを自動化できます。
  • Caffe および TensorFlow-Keras のモデルを使用できます。
  • MATLAB は ONNX™ をサポートしているため、PyTorchMxNet などのフレームワークを使用して同僚と共同作業することができます。

MATLAB によるディープラーニングのメリット

相互運用性

MATLAB と Python ベースのフレームワークのどちらか 1 つだけを選択する必要はありません。MATLAB は、ONNX のインポートおよびエクスポート機能を使用して、オープンソースのディープラーニング フレームワークとの相互運用性をサポートします。Python で利用できない機能や、あらかじめ組み込まれている関数およびアプリにアクセスするという重要な目的に MATLAB ツールを使用できます。

Use labeling apps for deep learning workflows like semantic segmentation. 

前処理のためのアプリ

ネットワーク トレーニングまでの時間を短縮しましょう。オーディオ、ビデオ、イメージデータ用のドメイン固有アプリを使用して、データセットの前処理を高速化します。複雑なネットワーク アーキテクチャを作成したり、転移学習のために事前学習済みネットワークを変更したりできる Deep Network Designer アプリを使用して、トレーニングの前に問題の可視化、チェック、および修正が可能です。

マルチプラットフォーム展開

CUDA、C コード、エンタープライズ システム、クラウドなど、さまざまな場所にディープラーニング モデルを展開できます。優れたパフォーマンスが必要な場合は、Intel® (MKL-NNN)、NVIDIA (TensorRT、cuDNN)、ARM® (ARM Compute Library) の最適化されたライブラリを活用して、高性能な推論速度をもつ展開可能なモデルを作成するコードを生成できます。

今すぐ始める

デモ、対話型の例、無料チュートリアルをご利用ください。

無料評価版を入手する

30 日間の無料評価版はこちら

質問はありますか

ディープラーニングのエキスパートにご質問ください。