MATLAB에서는 사이즈가 너무 커서 메모리에 맞지 않는 다량의 신호 데이터를 관리하고 라벨을 지정하는 등의 작업으로 신호 데이터를 준비하는 데 도움이 되는 내장 앱과 도메인별 툴을 사용할 수 있습니다.

신호 전처리는 신호의 전체적인 품질을 향상시키기 위한 중요한 단계입니다. 딥 네트워크를 학습시키기 전에 내장 함수와 앱을 사용하여 신호를 정리하고 원치 않는 잡음을 제거할 수 있습니다. 또한, 딥러닝 모델의 학습을 위해 신호에서 표준 특징과 도메인별 특징을 추출하여 데이터 차원을 줄일 수 있습니다. 뿐만 아니라 웨이블릿 스캐터링과 같은 자동 특징 추출 기법을 사용하여 신호에서 분산이 작은 특징을 획득하여 딥 네트워크를 학습시킬 수도 있습니다.

대화형 방식으로 네트워크를 설계하고, NVIDIA^® GPU를 사용하여 학습 속도를 높이고, 더 빠르게 양질의 결과를 얻으십시오.

설계

사전 학습된 모델을 ONNX™를 사용하여 가져온 다음 Deep Network Designer 앱을 사용하여 계층을 추가하거나, 제거하거나, 순서를 바꿀 수 있습니다.

학습

GPU를 하나만 사용하든, 여러 개의 GPU를 사용하든, 클라우드 상의 GPU를 사용하든, 아니면 NVIDIA DGX를 사용하든, MATLAB은 코드 한 줄로 복수 GPU 학습을 지원합니다.

배포

어디에나 딥러닝 모델을 배포할 수 있습니다. ARM^® 및 Intel^® MKL-DNN에서 바로 실행되는 코드를 자동으로 생성하십시오. 딥러닝 모델을 가져와서 TensorRT 및 CuDNN 라이브러리를 대상으로 하는 CUDA^® 코드를 생성하십시오.