MathWorks, MATLAB과 Simulink 제품군 릴리스 2018b에서 딥러닝 기능 확장

MathWorks는 오늘 MATLAB과 Simulink의 릴리스 2018b를 발표했습니다. 이번 릴리스에는 제품군 전체에 걸쳐 딥러닝에 대한 중요한 개선 사항과 함께 신규 기능과 버그 수정사항이 포함되어 있습니다. Neural Network Toolbox를 대체하는 신규 Deep Learning Toolbox는 딥뉴럴 네트워크를 설계하고 구현하기 위한 프레임워크를 엔지니어와 과학자에게 제공합니다. 이제 영상 처리, 컴퓨터 비전, 신호 처리 및 시스템 관련 엔지니어는 MATLAB을 사용하여 복잡한 네트워크 아키텍처를 보다 쉽게 설계하고 딥러닝 모델의 성능을 향상할 수 있습니다.

MathWorks는 최근 ONNX 커뮤니티와 함께 상호 운용성에 대한 의지를 보여 줌으로써 MATLAB 사용자와 다른 딥러닝 프레임워크 간의 협업을 가능하게 했습니다. 엔지니어는 R2018b의 신규 ONNX 변환기를 사용하여 PyTorch, MxNet 및 TensorFlow와 같은 지원 프레임워크에서 모델을 가져오고 내보낼 수 있습니다. 이러한 상호 운용성을 통해 MATLAB에서 학습한 모델을 다른 프레임워크에서 사용할 수 있습니다. 마찬가지로 다른 프레임워크에서 학습한 모델을 MATLAB으로 가져와 디버깅, 유효성 검사 및 임베디드 배포와 같은 작업을 수행할 수 있습니다. 또한,  R2018b는 단 한 줄의 코드로 액세스할 수 있는 선별된 참조 모델 세트를 제공합니다. 또한, 추가 모델 임포터는 Caffe와 Keras-Tensorflow의 모델을 사용할 수 있습니다.  

MathWorks의 MATLAB 마케팅 디렉터인 David Rich는 "여러 산업 분야에 딥러닝이 널리 보급됨에 따라 다양한 전문 분야의 엔지니어와 과학자가 이를 폭넓게 사용하고, 액세스하고, 적용할 수 있어야 합니다."라고 언급했습니다. 그는 또한 "이제는 딥러닝 초보자와 전문가가 연구에서 프로토타입과 제작에 이르기까지 통합된 딥러닝 워크플로를 사용하여 MATLAB으로 고급 연구를 학습, 적용 및 수행할 수 있습니다."라고 강조합니다.

MathWorks는 R2018b에서 다음을 통해 사용자 생산성과 사용 편의성을 계속 향상합니다.

·         Deep Network Designer 앱: 사용자가 복잡한 네트워크 아키텍처를 만들거나, 전이 학습을 위해 미리 학습된 복잡한 네트워크를 수정할 수 있습니다.

·         네트워크 학습 성능을 데스크탑 기능 이상으로 향상: NVIDIA GPU 클라우드의 MATLAB Deep Learning Container 및 Amazon Web Services와 Microsoft Azure용 MATLAB 참조 아키텍처를 사용하여 클라우드 공급업체를 지원합니다.

·         도메인별 워크플로에 대한 폭넓은 지원: 오디오, 비디오 및 애플리케이션별 데이터 저장소에 대한 지상 실측 레이블 지정 작업 앱을 포함하여 대규모 데이터 수집 작업을 보다 쉽고 빠르게 수행할 수 있습니다.

R2018b에서 GPU Coder는 NVIDIA 라이브러리를 지원하고 자동 튜닝, 레이어 융합 및 버퍼 최소화와 같은 최적화 기능을 추가하여 추론 성능을 계속 향상합니다. 또한, Intel MKL-DNN 및 ARM Compute Library를 사용하여 Intel과 ARM 플랫폼에 대한 배포 지원이 추가되었습니다.

R2018b는 즉시 구입할 수 있습니다. MATLAB와 Simulink 제품군에 대한 모든 신규 기능과 버그 수정 정보를 확인하려면 R2018b Highlights 비디오를 시청하십시오.