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® コードを加えるだけで、ディープラーニングのテクニックを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に適用できます。
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。
Autoliv
LiDAR にラベルを付けて、レーダーベースの自動運転システムを検証しています。
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。
学習済みのネットワークの展開
学習済みのモデルを組み込みシステム、エンタープライズ システム、またはクラウドで展開します。MATLAB は学習済みネットワークのCUDA®コードの自動生成をサポートしており、 Jetson Xavier や Nano を含む最新の NVIDIA GPU をターゲットとした、前処理、後処理用のCUDA®コードの自動生成もサポートしています。
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。
高度なテクニックを試す
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。
ディープラーニングの詳細
- ディープラーニング チュートリアル シリーズ (ビデオ 1 ～ 5)
- コンピュータビジョン向けディープラーニング (27:59)
- ディープ ニューラル ネットワーク シリーズ (ビデオ 1 ～ 2)
- データサイエンス向け MATLAB チートシート
