deep learning toolbox 产品信息 -凯发k8网页登录

 

设计、训练和分析深度学习网络

深度学习应用

训练深度学习模型,用于自动驾驶、信号和音频处理、无线通信、图像处理等领域的分类、回归和特征学习应用。

网络设计和模型管理

使用低代码 app 加速深度学习模型的开发。使用深度网络设计器创建、训练、分析和调试网络。使用试验管理器调节和比较多个模型。

文档 |

预训练模型

在 matlab 中用一行代码访问常用的模型。通过 onnx 和 tensorflow™ 使用 pytorch™ 将任何模型导入 matlab。

可解释性

在深度学习网络中,可视化训练进度和所学习特征的激活区域。使用 grad-cam、遮挡贴图和 lime 来解释深度学习模型结果。

文档 |

预处理

为网络训练标注、处理和增强数据。使用内置算法自动标注数据。

文档 |

训练加速

使用 gpu、云加速和分布式计算加速深度学习训练。

代码生成

使用 gpu coder™ 自动生成优化的 cuda® 代码,使用 matlab coder™ 生成 c 和 c 代码,以将深度学习网络部署到 nvidia gpu 和各种处理器。使用 deep learning hdl toolbox™ 在 fpga 和 soc 上进行深度学习网络的原型开发和实现。

simulink 仿真

使用控制、信号处理和传感器融合组件仿真深度学习网络,以评估深度学习模型对系统级性能的影响。

深度学习压缩

对您的深度学习网络进行量化和剪枝,以减少内存使用量并提高推断性能。使用深度网络量化器,对性能与推断准确性之间的权衡进行分析和可视化。

获取免费试用版

30 天探索触手可及。


准备购买?

获取报价并了解相关产品。

您是学生吗?

您的学校可能已拥有 campus-wide license 并允许您直接使用 matlab、simulink 和其他附加产品。

网站地图