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うえで、以下のような特長を備えています。

  • GoogLeNetVGG-16VGG-19AlexNetResNet-50ResNet-101Inception-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します。
  • 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。

セマンティックセグメンテーションのようなディープラーニング ワークフロー向けのラベル付けアプリを使用。 

前処理のためのアプリ

ネットワークの学習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-DNN)、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。

Get Started Fast

ディープ ラーニング入門

Get started with deep learning techniques in this free, hands-on tutorial.

Explore Getting Started Resources

Watch a demonstration, explore interactive examples, and access free tutorials.

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。