Deep Learning Toolbox

주요 업데이트

 

Deep Learning Toolbox

딥러닝 신경망 설계, 훈련, 분석 및 시뮬레이션

엔지니어를 위한 딥러닝

자동 외관 검사, 차수 축소 모델링, 무선 통신, 컴퓨터 비전 및 기타 응용 분야를 위한 설명 가능하고 견고하며 확장 가능한 딥러닝 모델을 구축하고 사용할 수 있습니다.

Simulink에서의 딥러닝

Simulink에서 딥러닝을 사용하여 더 큰 시스템으로의 딥러닝 모델 통합을 테스트할 수 있습니다. MATLAB 또는 Python 기반 모델을 시뮬레이션하여 모델 동작과 시스템 성능을 평가할 수 있습니다.

PyTorch 및 TensorFlow와 통합

Python 기반 딥러닝 프레임워크와 딥러닝 모델을 교환할 수 있습니다. 단 한 줄의 코드로 PyTorch, TensorFlow, ONNX 모델을 가져오고 TensorFlow와 ONNX로 신경망을 내보낼 수 있습니다. MATLAB 및 Simulink에서 Python 기반 모델을 공동 실행할 수 있습니다.

문서 | 예제

코드 생성 및 배포

CPU와 GPU에 배포하기 위한 최적화된 C/C++ 코드(MATLAB Coder 사용)와 CUDA 코드(GPU Coder 사용)를 자동으로 생성할 수 있습니다. FPGA와 SoC에 배포하기 위한 합성 가능한 Verilog® 및 VHDL® 코드(Deep Learning HDL Toolbox 사용)를 생성할 수 있습니다.

문서 | 예제

설명 가능성 및 검증

심층 신경망의 훈련 진행 상황과 활성화를 시각화할 수 있습니다. Grad-CAM, D-RISE, LIME을 사용하여 신경망 결과를 설명할 수 있습니다. 심층 신경망의 견고성 및 신뢰성을 검증할 수 있습니다.

문서 | 예제

신경망 설계 및 훈련

딥러닝 알고리즘을 사용하여 CNN, LSTM, GAN, 트랜스포머를 만들거나 사전 훈련된 모델을 사용하여 전이 학습을 수행할 수 있습니다. 영상, 비디오, 신호 데이터에 자동으로 레이블을 지정하고 처리 및 증강하여 신경망 훈련을 수행할 수 있습니다.

로우코드 앱

심층 신경망 디자이너 앱을 사용하여 내장 모델 및 Python 기반 모델의 신경망 설계, 분석, 전이 학습을 가속화할 수 있습니다. 실험 관리자 앱을 사용하여 여러 모델을 조정하고 비교할 수 있습니다.

딥러닝 압축

양자화, 투영 또는 가지치기로 딥러닝 신경망을 압축하여 메모리 사용량을 줄이고 추론 성능을 높일 수 있습니다. 심층 신경망 양자화기 앱을 사용하여 추론 성능과 정확도를 평가할 수 있습니다.

딥러닝 확장

GPU, 클라우드 가속화, 분산 연산을 사용하여 딥러닝 훈련을 가속화할 수 있습니다. 여러 개의 신경망 훈련을 병렬로 수행하고 딥러닝 연산을 분담하여 백그라운드에서 실행되도록 할 수 있습니다.

​"우리의 파워트레인 ECU에 대해 신경망을 사용하여 센서를 시뮬레이션한 것은 이번이 처음이었습니다. MATLAB 및 Simulink를 사용하지 않았다면 우리는 매우 느리고 오류가 발생하기 쉬운 지루한 수동 코딩 과정을 거쳐야 했을 것입니다."

Katja Deuschl, Mercedes-Benz의 AI 개발자

무료 평가판 받기

30일 동안 사용해 보세요.


구입할 준비가 되었나요?

가격을 확인하고 관련 제품을 살펴보세요.

학생이세요?

Campus-Wide License를 통해 이미 귀하의 학교에서 MATLAB, Simulink 및 그 밖의 애드온 제품에 대한 사용 권한을 제공하고 있을 수 있습니다.