MATLAB을 Python과 함께 사용하기
다른 딥러닝 프레임워크에서 작업하는 동료들과 협업할 때 Python 연동실행 또는 가져오기 함수와 내보내기 함수를 사용하여 PyTorch®, TensorFlow™ 또는 ONNX™ 모델을 훈련시키고 테스트합니다.
MATLAB에서 무선 통신 툴박스를 활용하여 Python 모델을 훈련시키기 위한 데이터 세트를 생성합니다.
Python 모델을 링크 레벨과 시스템 레벨 시뮬레이션에서 테스트합니다.
자신의 작업을 모델 기반 설계 워크플로에 통합합니다. 자세한 내용은 Simulink를 사용한 딥러닝 (Deep Learning Toolbox) 항목을 참조하십시오.
소프트웨어 정의 라디오(SDR) 지원을 활용하여 무선(OTA) 신호로 설계를 테스트합니다.
설계를 검증한 후에 가능한 여러 플랫폼에 시스템을 가져오고 배포할 수 있습니다. 자세한 내용은 Interoperability Between Deep Learning Toolbox, TensorFlow, PyTorch, and ONNX (Deep Learning Toolbox) 항목을 참조하십시오.
도움말 항목
- PyTorch Coexecution
AI for wireless workflows using coexecution of MATLAB and PyTorch. (R2025a 이후)
추천 예제
Train PyTorch Channel Prediction Models
Train PyTorch-based channel prediction neural networks using data generated in MATLAB.
Offline Training and Testing of PyTorch Model for CSI Feedback Compression
Train an autoencoder-based PyTorch neural network offline and test for CSI compression.
Online Training and Testing of PyTorch Model for CSI Feedback Compression
Train an autoencoder-based PyTorch neural network online and test for CSI compression.
Apply Transfer Learning on PyTorch Model to Identify 5G and LTE Signals
Coexecution with Python to identify 5G NR and LTE signals by using the transfer learning technique on a pre-trained PyTorch™ semantic segmentation network for spectrum sensing.
Import TensorFlow Channel Feedback Compression Network and Deploy to GPU
Generate GPU specific C++ code for a pretrained TensorFlow channel state feedback autoencoder.
