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

評価版

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。

1:00

MATLAB による作物被害の防止

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。

Learn how MATLAB can help with any part of the deep learning workflow: from preprocessing through deployment. Get a high-level overview of deep learning with MATLAB, and explore several applications.

2:16

Top 5 Reasons to Use MATLAB for Deep Learning

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。