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

評価版

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。

2:16

ディープラーニングに MATLAB を使用する5つの理由

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。

画像、時系列、テキストデータの準備とラベル付け

MATLABのオーディオ、ビデオ、画像、テキストデータ用のドメインに特化したアプリを用いると、データセットの前処理とラベル付けに必要な時間を大幅に短縮することができます。異なる時系列を同期し、外れ値を補間値に置き換え、画像のブレを除去し、ノイズ信号をフィルタリングします。対話型アプリを用いて、重要な特徴のラベル付け、切り抜き、特定を行うことができます。また、このアプリにはラベル付けを半自動化するアルゴリズムも搭載しています。

今すぐ始める

高度なテクニックを試す

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。

今すぐ始める

高度なテクニックを試す

合成データのシミュレーションと生成

正確なモデルにはデータが重要です。MATLAB は、該当するシナリオのデータが十分にない場合に、それ以上のデータを生成することができます。たとえば、Unreal Engine^® などのゲームエンジンの合成画像を使用して、より多くのエッジケースを組み込みます。敵対的生成ネットワーク (GAN) を使用して、シミュレートされたカスタム画像を作成します。

Simulink から合成データを生成することにより、センサーからデータを取得する前にアルゴリズムをテストします。これは自動運転システムで一般的に用いられるアプローチです。

今すぐ始める

Simulink のディープラーニング (3:45)

高度なテクニックを試す

Python ベースのフレームワークとの統合

MATLAB とオープンソ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 では、ONNX のインポート機能を使用して、どこからでも最新の研究成果にアクセスできます。また、NASNet、SqueezeNet、Inception-v3、ResNet-101 など、学習済みのモデルのライブラリを活用することで、すぐに作業を開始することができます。MATLAB から Python、および Python から MATLAB を呼び出す機能を用いて、オープンソースを使用している同僚と簡単に共同作業をすることができます。

今すぐ始める

高度なテクニックを試す

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。