Deep Learning Toolbox는 심층 신경망을 설계, 구현, 시뮬레이션하기 위한 함수, 앱, Simulink 블록을 제공합니다. 이 툴박스는 CNN(컨벌루션 신경망) 및 트랜스포머와 같은 많은 유형의 신경망을 만들고 사용하기 위한 프레임워크를 제공할 수 있습니다. 신경망 예측을 시각화 및 해석하고, 신경망 속성을 검증하고, 양자화, 투영 또는 가지치기를 사용하여 신경망을 압축할 수 있습니다.
심층 신경망 디자이너 앱을 사용하여 대화형 방식으로 신경망을 설계, 편집, 분석하고, 사전 훈련된 모델을 가져오고, 신경망을 Simulink로 내보낼 수 있습니다. 이 툴박스를 사용하면 다른 딥러닝 프레임워크와 상호운용할 수 있습니다. 추론, 전이 학습, 시뮬레이션, 배포를 위해 PyTorch®, TensorFlow™, ONNX™ 모델을 가져올 수 있습니다. 또한 TensorFlow 및 ONNX로 모델을 내보낼 수도 있습니다.
훈련된 신경망에 대한 C/C++, CUDA®, HDL 코드를 자동으로 생성할 수 있습니다.
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.
로우코드 앱
시계열 모델러 앱을 사용해 시계열 데이터에 대한 AI 모델을 시각화하고 구축하며 훈련시키고 비교할 수 있습니다. 심층 신경망 디자이너 앱을 사용해 내장 모델과 Python 기반 모델의 신경망 설계 및 분석을 가속화할 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.
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.
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.
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.
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.
제품 관련 자료:
"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."
Deep Learning Toolbox FAQs
Deep Learning Toolbox CNN, LSTM, 트랜스포머와 같은 심층 신경망을 설계, 구현 및 시뮬레이션하기 위한 함수, 앱 및 Simulink 블록을 제공합니다.
CNN(컨벌루션 신경망), LSTM, GAN 및 트랜스포머를 생성하거나, 사전 훈련된 모델을 사용해 전이 학습을 수행할 수 있습니다.
네, PyTorch, TensorFlow 및 ONNX 모델을 가져와 추론, 전이 학습, 시뮬레이션 및 배포에 사용할 수 있으며, 단 한 줄의 코드로 신경망을 TensorFlow 및 ONNX 형식으로 내보낼 수 있습니다.
심층 신경망 디자이너 앱을 통해 대화형 방식으로 신경망을 설계하고 편집하며 분석하고, 사전 훈련된 모델을 가져오거나, 신경망을 Simulink로 내보낼 수 있습니다.
시계열 모델러 앱을 사용해 시계열 데이터를 시각화하고 전처리하며 불러올 수 있으며, 신경망을 대화형 방식으로 설계하고 편집하며 훈련시키고, 가상 센서 모델링과 같은 시계열 회귀 분석 및 예측 문제를 위해 신경망을 Simulink로 내보낼 수 있습니다.
네, 딥러닝 훈련 및 연산 속도를 높이기 위해 GPU 가속을 지원합니다.
네, 훈련된 신경망에 대해 최적화된 C/C++, CUDA 및 HDL 코드를 자동으로 생성해 CPU, GPU, MCU 및 FPGA에 배포할 수 있습니다.
훈련 진행 상황과 활성화를 시각화하고, Grad-CAM, D-RISE, LIME을 사용해 신경망 결과를 설명하며, Deep Learning Toolbox Verification Library를 통해 심층 신경망의 강인성과 신뢰성을 검증할 수 있습니다.
네, 심층 신경망 디자이너 앱을 사용해 신경망 압축 가능성을 분석한 후, 심층 신경망 양자화기 앱을 사용해 양자화, 투영 또는 가지치기를 적용해 신경망을 압축하여 메모리 사용량을 줄이고 추론 성능을 향상시킬 수 있습니다.
네, 딥러닝 모델을 Simulink에 통합하여 더 큰 시스템과의 통합을 테스트하고 MATLAB 또는 Python 기반 모델을 시뮬레이션할 수 있습니다.
