ディープラーニング向けMATLAB
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、アルゴリズムの設計、データの準備とラベル付け、もしくはコード生成と組み込みシステムへの展開などの作業の有無に関わらず、ディープラーニングをご活用いただけます。
MATLAB を使用すると、以下のことを行うことができます。
- 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、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。
- 専門的なプログラミング行うことなく、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。
- TensorFlow、PyTorch、および MxNet などのフレームワークを使用している方とも共同作業が可能です。
- 強化学習を用いて、動的システムの動作をシミュレーションし、学習させます。
- MATLAB と Simulink® で作成された物理系モデルの シミュレーションから 学習およびテストデータを生成します。
MATLAB によるディープラーニングの導入事例
Shell
セマンティック セグメンテーションを使用して、ハイパースペクトル衛星データの地形認識を行っています。
AI・ディープラーニング 7つの業種の先駆者から学ぶ10の成功事例
製造業、インフラ、化学・化粧品、自動車、医療、航空・宇宙、教育分野における最新事例と、ディープラーニングの実装において知っておきたい周辺技術をご紹介
立命館大学
CT 画像で畳み込みニューラルネットワークを学習させて、放射線被曝リスクを低減しています。
モデルの設計、学習、評価
一連のアルゴリズムと学習済みモデルから始めて、ディープ ネットワーク デザイナー アプリによってディープラーニング モデルの作成および変更を行います。ドメイン固有の問題にディープラーニング モデルを組み込みます。複雑なネットワーク アーキテクチャを初めから作成する必要はありません。
ネットワークの ハイパーパラメーターの最適化を行うアルゴリズムは大量の計算を必要とします。その計算を高速化するためにParallel Computing Toolbox™と高性能の NVIDIA GPUを用います。。MATLAB の可視化ツールと Grad-CAM やオクルージョン感度などの手法は構築されたモデルの理解を助けます。Simulink を使用して、学習済みディープラーニングモデルのシステムレベルのパフォーマンスにおける影響を評価します。
学習済みのネットワークの展開
学習済みモデルを、組み込みシステム、エンタープライズ システム、FGPA デバイス、またはクラウドに展開します。MATLAB は学習済みネットワーク向けの CUDA® コードの自動生成をサポートしており、特に最新の NVIDIA GPU をターゲットとした前処理、後処理の自動生成もサポートしています。
性能を重視する場合は、最適化された Intel®、NVIDIA、および ARM® のライブラリを活用したコードを生成し、高性能の推論速度もつ展開可能なモデルを作成することができます。エッジに展開するために、FPGA 上でネットワークをプロトタイピングしてから、任意のデバイスをターゲットとするすぐに運用可能な HDL を生成することができます。
ディープラーニングに関するトピック
今すぐ始める
ディープラーニング入門
無料ハンズオンチュートリアルでディープラーニングを始めましょう。
無料評価版を入手する
30 日間の無料評価版はこちら
Deep Learning Toolbox の詳細はこちら
ご質問はこちらへ
ディープラーニングのエキスパートにご質問ください。