Main Content

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

머신러닝 및 딥러닝

머신러닝 및 딥러닝, GPU 가속, 하드웨어 배포, 신호 레이블 지정을 위한 웨이블릿 기반 기법

웨이블릿 기법은 머신러닝 및 딥러닝 워크플로에서 사용할 수 있는 희소 압축 데이터 표현 또는 특징을 얻는 데 효과적입니다. Wavelet Toolbox는 여러 타깃에 대해 MATLAB® Coder™ 및 GPU Coder™를 통해 다중 스케일 특징 추출 알고리즘의 배포를 지원합니다. 최신 GPU(그래픽스 처리 장치)에서 제공하는 성능상의 이점을 활용하기 위해 Wavelet Toolbox™의 특정 함수는 GPU에서 연산을 수행할 수 있습니다. 이러한 함수는 워크플로에 GPU 가속 기능을 제공합니다. Wavelet Toolbox는 신호 레이블 지정을 수행하는 기능도 제공합니다.

범주

  • 신호로 작업하기
    다중분해능 분석, 웨이블릿 시간 산란, 연속 웨이블릿 변환, 데시메이션되지 않은 이산 웨이블릿 변환, 위그너-빌 분포, 멜 스펙트로그램
  • 영상으로 작업하기
    웨이블릿 영상 산란, 2차원 연속 웨이블릿 변환, 쉬어릿, 정상 웨이블릿 변환
  • GPU 가속
    머신러닝 및 딥러닝 워크플로를 위해 GPU에서 특징 추출
  • 하드웨어 배포
    C/C++ 코드 생성, GPU 코드 생성, Raspberry Pi™, NVIDIA® Jetson®