이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

Deep Learning Toolbox

딥러닝 신경망 생성, 분석 및 훈련

Deep Learning Toolbox™(이전 명칭 Neural Network Toolbox™)는 알고리즘, 사전 훈련된 모델 및 앱을 사용하여 심층 신경망을 설계하고 구현할 수 있는 프레임워크를 제공합니다. 컨벌루션 신경망(ConvNet, CNN)과 장단기 기억(LSTM) 네트워크를 사용하여 영상, 시계열 및 텍스트 데이터에 대해 분류와 회귀를 수행할 수 있습니다. 사용자 지정 훈련 루프, 공유 가중치 및 자동 미분을 사용하여 생성적 적대 네트워크(GAN: Generative Adversarial Network)나 샴 네트워크(Siamese network) 같은 고급 신경망 아키텍처를 구축할 수 있습니다. 앱과 플롯을 사용하면 활성화 결과를 시각화하고, 신경망 아키텍처를 편집 및 분석하며, 훈련 진행 상황을 모니터링할 수 있습니다.

ONNX™ 형식을 사용하여 TensorFlow™ 및 PyTorch 간 모델을 전환하고 TensorFlow-Keras 및 Caffe에서 모델을 가져올 수 있습니다. 이 툴박스는 NASNet, SqueezeNet, Inception-v3, ResNet-101 등의 사전 훈련된 모델 라이브러리를 사용한 전이 학습을 지원합니다.

Parallel Computing Toolbox™를 사용하여 단일 또는 다중 GPU 워크스테이션에서 훈련 속도를 높일 수 있으며, MATLAB® Parallel Server™를 사용하여 NVIDIA GPU Cloud DGX 시스템, Amazon EC2® GPU 인스턴스 같은 클러스터와 클라우드로 확장할 수 있습니다.

Deep Learning Toolbox 시작하기

Deep Learning Toolbox의 기본 사항 배우기

영상에서의 딥러닝

컨벌루션 신경망을 처음부터 훈련시키거나 사전 훈련된 네트워크를 사용하여 새로운 작업을 빠르게 학습합니다.

시계열, 시퀀스 및 텍스트에서의 딥러닝

시계열 분류, 회귀 및 예측 작업을 위해 네트워크를 만들고 훈련시킵니다.

딥러닝 조정 및 시각화

훈련 진행 상황 플로팅, 정확도 평가, 예측, 훈련 옵션 조정 및 네트워크가 학습한 특징 시각화

병렬 방식 및 클라우드에서의 딥러닝

로컬에서 여러 GPU를 사용하거나 클라우드를 사용하여 딥러닝을 확장하고, 여러 네트워크를 대화형 방식이나 일괄 처리 작업으로 훈련시킵니다.

딥러닝 응용 사례

컴퓨터 비전, 영상 처리, 자율 주행, 신호 및 오디오에서 딥러닝 워크플로 확장

딥러닝 가져오기, 내보내기 및 사용자 지정

딥러닝 신경망을 가져오거나 내보내거나 사용자 지정하고 계층, 훈련 루프, 손실 함수를 사용자 지정하기

딥러닝 데이터 전처리

딥러닝을 위한 데이터 관리 및 전처리

딥러닝 코드 생성

MATLAB 코드 또는 CUDA® 및 C++ 코드 생성과 딥러닝 신경망 배포

함수 근사, 군집화 및 제어

얕은 신경망을 사용하여 회귀, 분류, 군집화 수행 및 비선형 동적 시스템 모델링