Deep Learning Toolbox는 심층 신경망을 설계하고 훈련하며 시뮬레이션하기 위한 함수, 앱 및 Simulink 블록을 제공합니다. 예측을 시각화하고 해석하며, 신경망 속성을 검증하고, 가지치기, 투영 또는 양자화를 통해 신경망을 압축할 수 있습니다. 훈련된 신경망에 대한 C/C++, CUDA®, HDL 코드를 생성할 수 있습니다. (MATLAB Coder, GPU Coder 또는 Deep Learning HDL Toolbox 사용)
이 툴박스는 다른 AI 프레임워크에 인터페이스를 제공하여, MATLAB 및 Simulink에서의 추론을 지원하고 PyTorch®, TensorFlow®, Keras™ 및 ONNX®에서 MATLAB으로 모델 가져오기를 지원합니다.
심층 신경망 디자이너 앱을 통해 신경망을 설계하고 가져오며 편집하고 분석할 수 있습니다. 시계열 모델러 앱으로 코드를 작성하지 않고도 시계열 예측을 위해 모델을 훈련시키고 비교할 수 있습니다.
엔지니어드 시스템 설계
가상 센서, 자동 외관 검사, 차수 축소 모델링, 무선 통신, 컴퓨터 비전 및 기타 응용 분야를 위한 설명 가능하고 강인하며 확장 가능한 딥러닝 모델을 구축하고 사용할 수 있습니다.
로우코드 앱을 사용한 모델 구축
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.
Simulink에서 모델 통합
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 ONNX와 상호운용
Python 기반 딥러닝 프레임워크와 딥러닝 모델을 교환할 수 있습니다. PyTorch, TensorFlow 및 ONNX 모델을 가져오고 TensorFlow 및 ONNX로 신경망을 내보낼 수 있습니다. MATLAB 및 Simulink에서 Python 기반 모델을 공동 실행할 수 있습니다.
모델 동작 검증 및 설명
정형 기법 및 분포 외 데이터 탐지를 AI Verification Library와 함께 사용해 MATLAB, PyTorch 및 ONNX 딥러닝 모델의 강인성과 신뢰성을 검증할 수 있습니다. 훈련 진행 상황과 활성화를 시각화하고 신경망 예측을 설명할 수 있습니다.
신경망 압축
가지치기, 투영 또는 양자화로 딥러닝 신경망을 압축해 메모리 사용량을 줄이고 추론 성능을 높일 수 있습니다. 심층 신경망 양자화기 앱을 사용하여 추론 성능과 정확도를 평가할 수 있습니다.
배포할 코드 생성
CPU와 GPU에 배포하기 위한 최적화된 C/C++ 코드(MATLAB Coder 사용)와 CUDA 코드(GPU Coder 사용)를 자동으로 생성할 수 있습니다. FPGA와 SoC를 위한 합성 가능한 Verilog® 및 VHDL® 코드(Deep Learning HDL Toolbox 사용)를 생성할 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 FAQ
Deep Learning Toolbox CNN, LSTM, 트랜스포머와 같은 심층 신경망을 설계하고 구현하며 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, AI Verification Library for Deep Learning Toolbox를 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.
