MATLAB을 사용한 딥러닝

심층 신경망을 위한 데이터를 준비, 설계, 시뮬레이션 및 배포할 수 있습니다.

소프트웨어 평가판 신청

무료 튜토리얼 수강

딥러닝 응용 분야

MATLAB^® 코드 몇 줄만으로 응용 사례에 딥러닝 기법을 통합하여 알고리즘을 설계하고, 데이터 준비 및 레이블을 지정하고, 코드를 생성하여 임베디드 시스템에 배포할 수 있습니다.

왜 딥러닝에 MATLAB을 사용할까요?

MATLAB을 사용하면 딥러닝 모델에서 실제 AI(인공 지능) 주도 시스템으로의 전환이 손쉬워집니다.

엔지니어를 위한 AI: AI 시스템 구축하기 (3:40)

데이터 전처리

대화형 방식의 앱을 사용하여 중요한 특징에 대해 레이블 지정, 자르기 및 식별을 수행할 수 있고, 내장 알고리즘을 사용하여 레이블 지정 과정을 자동화할 수 있습니다.

자세히 알아보기

모델 훈련 및 평가

다양한 알고리즘 및 사전 구축된 모델로 시작하고, 심층 신경망 디자이너 앱을 사용하여 딥러닝 모델을 만들고 수정할 수 있습니다.

모델 살펴보기

데이터 시뮬레이션

딥러닝 모델을 시스템 수준의 Simulink 시뮬레이션에 포함하여 테스트할 수 있습니다. 하드웨어에서 테스트하기 어려운 경계 조건 시나리오를 테스트할 수 있습니다. 딥러닝 모델이 시스템 전반의 성능에 어떤 영향을 미치는지 파악할 수 있습니다.

비디오 보기 (3:45)

훈련된 신경망 배포

훈련된 모델을 임베디드 시스템, 엔터프라이즈 시스템, FPGA 소자 또는 클라우드에 배포할 수 있습니다. Intel^®, NVIDIA^® 및 ARM^® 라이브러리로부터 코드를 생성하여 고성능 추론 속도를 갖춘 배포용 모델을 만들 수 있습니다.

비디오 보기 (15:11)

Python 기반 프레임워크와 통합

MATLAB에서는 Tensorflow 모델을 가져오고 ONNX 기능을 사용하여 어디서나 최신 연구 결과에 액세스할 수 있습니다. NASNet, SqueezeNet, Inception-v3 및 ResNet-101을 포함한 사전 구축 모델 라이브러리를 사용하여 시작할 수 있습니다. MATLAB에서 Python을 호출하거나 Python에서 MATLAB을 호출하여 오픈 소스를 사용하는 동료와 협업할 수 있습니다.

자세히 알아보기