Main Content

Deep Learning Toolbox

딥러닝 신경망의 설계, 훈련 및 분석

Deep Learning 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) 신경망을 사용하여 영상, 시계열 및 텍스트 데이터에 대해 분류와 회귀를 수행할 수 있습니다. 자동 미분, 사용자 지정 훈련 루프 및 공유 가중치를 사용하여 생성적 적대 신경망(GAN: Generative Adversarial Network)이나 샴 신경망(Siamese network) 같은 신경망 아키텍처를 구축할 수 있습니다. 심층 신경망 디자이너 앱을 사용하여 그래픽 방식으로 신경망을 설계, 분석 및 훈련시킬 수 있습니다. 실험 관리자 앱을 사용하여 여러 딥러닝 실험을 관리하고, 훈련 파라미터를 추적하고, 결과를 분석하고, 서로 다른 실험의 코드를 비교할 수 있습니다. 계층 활성화를 시각화하고 훈련 진행 상황을 그래픽 방식으로 모니터링할 수 있습니다.

TensorFlow™ 2, TensorFlow-Keras, PyTorch®, ONNX™(Open Neural Network Exchange) 모델 형식과 Caffe에서 신경망과 계층 그래프를 가져올 수 있습니다. Deep Learning Toolbox 신경망과 계층 그래프를 TensorFlow 2 및 ONNX 모델 형식으로 내보낼 수도 있습니다. 이 툴박스는 DarkNet-53, ResNet-50, NASNet, SqueezeNet을 비롯한 여러 사전 훈련된 모델을 통한 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, Amazon EC2® GPU 인스턴스 같은 클러스터와 클라우드로 확장할 수 있습니다.

Deep Learning Toolbox 시작하기

Deep Learning Toolbox의 기본 사항 배우기

응용 사례

컴퓨터 비전, 영상 처리, 자율 주행, 신호, 오디오, 텍스트 분석 및 계산 금융에서 딥러닝 워크플로 확장

딥러닝 기본 사항

심층 신경망 가져오기, 구축, 훈련, 조정, 시각화, 검증 및 내보내기

영상 데이터 워크플로

영상 분류 및 회귀를 위해 사전 훈련된 신경망을 사용하거나 신경망을 처음부터 만들어 훈련시키기

시퀀스 및 숫자형 특징 데이터 워크플로

시퀀스 및 테이블 형식 데이터에 대해 분류, 회귀, 전망을 수행하는 신경망 생성 및 훈련

병렬 연산 및 클라우드

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

자동 미분

딥러닝 계층, 신경망, 훈련 루프 및 손실 함수 사용자 지정

Simulink를 사용한 딥러닝

Simulink를 사용한 딥러닝 워크플로 확장

코드 생성

C/C++, CUDA® 또는 HDL 코드 생성과 딥러닝 신경망 배포

함수 근사, 군집화 및 제어

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