MATLAB によるディープラーニング

ディープニューラル ネットワークのためのデータ準備、設計、シミュレーション、および展開

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。

  • アプリと可視化ツールを使用して、ディープラーニング アーキテクチャを作成、変更、および分析します。
  • アプリを使用して、データを前処理し、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します。
  • 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。
  • TensorFlow、PyTorch、および MxNet などのフレームワークを使用して同僚と共同作業を行います。
  • 強化学習で動的システムの動作をシミュレーションして学習します。
  • 物理システムの MATLAB と Simulink ® モデルからシミュレーションに基づいた学習およびテストデータを生成します。
Kestrel Agritech が MATLAB、人工知能、MathWorks スタートアップ プログラのサポートを活用して作物被害を防ぎ、収穫高を向上させた方法をお聞きください。

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。

今すぐ始める

ディープラーニング入門

無料の自己学習形式チュートリアルでディープラーニング手法を実践的に学ぶ

これから始めるためのリソースを見る

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。