|
加強深度學(xué)習能力以簡(jiǎn)化設計、訓練和部署模型 MathWorks今日推出了Release 2017b（R2017b），其中包括MATLAB和Simulink的若干新功能、六款新產(chǎn)品以及對其他86款產(chǎn)品的更新和修復補丁。此發(fā)行版還添加了新的重要的深度學(xué)習功能，可簡(jiǎn)化工程師、研究人員及其他領(lǐng)域專(zhuān)家設計、訓練和部署模型的方式。 深度學(xué)習支持 R2017b中的具體深度學(xué)習特性、產(chǎn)品和功能包括： • Neural Network Toolbox增加了對復雜架構的支持，包括有向無(wú)環(huán)圖（DAG）和長(cháng)短期記憶（LSTM）網(wǎng)絡(luò )，并提供對 GoogLeNet 等流行的預訓練模型的訪(fǎng)問(wèn)。 • Computer Vision System Toolbox中的Image Labeler應用現在提供一種方便和交互的方式來(lái)標記一系列圖像中的地面實(shí)況數據。除對象檢測工作流程外，該工具箱現在還利用深度學(xué)習支持語(yǔ)義分割、對圖像中的像素區域進(jìn)行分類(lèi)，以及評估和可視化分割結果。 • 新產(chǎn)品GPU Coder可自動(dòng)將深度學(xué)習模型轉換為NVIDIA GPU的CUDA代碼。內部基準測試顯示，在部署階段為深度學(xué)習模型產(chǎn)生的代碼，比TensorFlow的性能提高7倍，比Caffe2的性能提高4.5倍。* 
圖示：MATLAB深度學(xué)習——為自動(dòng)駕駛的工作流程提供語(yǔ)義分割 與R2017a推出的功能相結合，可以使用預訓練模型進(jìn)行遷移學(xué)習，包括卷積神經(jīng)網(wǎng)絡(luò )（CNN）模型（AlexNet、VGG-16 和 VGG-19）以及來(lái)自Caffe的模型（包括Caffe Model Zoo）�？梢詮念^開(kāi)始開(kāi)發(fā)模型，包括使用CNN進(jìn)行圖像分類(lèi)、對象檢測、回歸等。 “隨著(zhù)智能設備和物聯(lián)網(wǎng)的發(fā)展，設計團隊面臨創(chuàng )造更加智能的產(chǎn)品和應用的挑戰，他們需要自己掌握深度學(xué)習技能或依賴(lài)其他具有深度學(xué)習專(zhuān)長(cháng)但可能不了解應用場(chǎng)景的團隊，”MathWorks的MATLAB市場(chǎng)營(yíng)銷(xiāo)總監David Rich表示，“借助R2017b，工程和系統集成團隊可以將MATLAB拓展用于深度學(xué)習，以更好地保持對整個(gè)設計過(guò)程的控制，并更快地實(shí)現更高質(zhì)量的設計。他們可以使用預訓練網(wǎng)絡(luò )，協(xié)作開(kāi)發(fā)代碼和模型，然后部署到GPU和嵌入式設備。使用MATLAB可以改進(jìn)結果質(zhì)量，同時(shí)通過(guò)自動(dòng)化地面實(shí)況標記App來(lái)縮短模型開(kāi)發(fā)時(shí)間�！� 其他更新 除深度學(xué)習外，R2017b 還包括其他關(guān)鍵領(lǐng)域的一系列更新，包括： • 使用 MATLAB 進(jìn)行數據分析 o 一款新 Text Analytics Toolbox 產(chǎn)品、可擴展數據存儲、用于機器學(xué)習的更多大數據繪圖和算法，以及 Microsoft Azure Blob 存儲支持 • 使用 Simulink 進(jìn)行實(shí)時(shí)軟件建模 o 對用于軟件環(huán)境的調度效果進(jìn)行建模并實(shí)現可插入式組件 • 使用 Simulink 進(jìn)行驗證和確認 o 用于需求建模、測試覆蓋率分析和合規性檢查的新工具 R2017b 現已在全球上市。有關(guān)更新的完整列表的更多詳情，請訪(fǎng)問(wèn)新版本頁(yè)面。 |
