Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

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.

ONNX™ 형식을 사용하여 TensorFlow™ 및 PyTorch 간 모델을 전환하고 TensorFlow-Keras 및 Caffe에서 모델을 가져올 수 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

영상에서의 딥러닝

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

시계열과 시퀀스 데이터에서의 딥러닝

시계열 분류, 회귀 및 전망 작업을 위해 신경망을 만들고 훈련시킵니다.

딥러닝 조정 및 시각화

대화형 방식의 신경망 구축 및 훈련, 실험 관리, 훈련 진행 상황 플로팅, 정확도 평가, 예측 설명, 훈련 옵션 조정 및 신경망이 학습한 특징 시각화

병렬 방식 및 클라우드에서의 딥러닝

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

딥러닝 응용 사례

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

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