MATLAB 및 Python을 사용한 AI
다른 딥러닝 프레임워크에서 작업하는 동료들과 협업할 때 Python 연동실행을 사용하여 PyTorch® 모델 또는 TensorFlow™ 모델을 훈련시키고 테스트합니다.
신호 처리 툴박스를 사용하여 신호를 전처리하고, 데이터 세트를 생성하고, 특징을 추출하여 Python 모델을 훈련시키고 테스트합니다.
자신의 작업을 모델 기반 설계 워크플로에 통합합니다. 자세한 내용은 Simulink를 사용한 딥러닝 (Deep Learning Toolbox) 항목을 참조하십시오.
설계를 검증한 후에 가능한 여러 플랫폼에 시스템을 가져오고 배포합니다. 자세한 내용은 Interoperability Between Deep Learning Toolbox, TensorFlow, PyTorch, and ONNX (Deep Learning Toolbox) 항목과 PyTorch 및 LiteRT 모델에 대한 코드 생성 (MATLAB Coder) 항목을 참조하십시오.
대기 시간이 짧은 오디오 I/O를 사용하여 오디오 모델을 실시간으로 실행합니다. Audio Toolbox™가 있는 경우, 모델을 오디오 플러그인으로 배포하여 이식성을 높이고 디지털 오디오 워크스테이션에서 사용할 수도 있습니다.
관련 정보
도움말 항목
- Python Coexecution
Coexecute Python models in MATLAB to implement AI signal processing workflows. (R2026a 이후)
추천 예제
Use Signal Feature Extraction to Train PyTorch Fault Detection Model
Coexecute a PyTorch long short-term memory neural network in MATLAB to identify faulty bearing signals.
Signal Imputation in Signal Analyzer Using Time-Series Foundation Model
Coexecute a PyTorch time-series foundation model in Signal Analyzer to restore missing samples in signals.
Anomaly Detection in Signal Labeler Using Time-Series Foundation Model
Coexecute a PyTorch time-series foundation model in Signal Labeler to detect anomalies in signals.
Train PyTorch Speech Command Recognition Model
Learn how to combine MATLAB data processing and visualization capabilities with a Python deep learning framework.
