Deep Learning

딥러닝용 MATLAB의 새로운 기능

MATLAB은 전문가가 아니더라도 누구나 쉽게 딥러닝을 이해할 수 있도록 도와드립니다. 모델의 설계와 빌드, 네트워크 학습과 시각화, 배포를 위한 최신 기능을 확인하십시오.

데이터 준비 및 레이블 지정

  • 시맨틱 분할 및 객체 감지를 위해 픽셀과 영역에 레이블을 지정하는 앱
  • 자동화 API를 사용하여 지상 실측 데이터의 레이블 지정 작업 자동화

네트워크 아키텍처

  • 복잡한 아키텍처를 나타내기 위한 DAG(Directed Acyclic Graph) 네트워크
  • 시계열, 텍스트, 신호 데이터의 예측 및 분류를 위한 LSTM(Long short-term memory)
  • 시맨틱 분할을 사용하여 개별 픽셀 분류
  • 새로운 기능 연속적인 시계열 출력을 위한 회귀 및 양방향 LSTM
  • 사용자 지정 레이어 지원: 새 레이어 정의, 분류 및 회귀 출력 레이어에 대한 손실 함수 지정
  • 새로운 기능 데이터 크기 및 유형 일관성 확인을 위한 사용자 지정 레이어의 자동 유효성 검사

최신 사전 훈련된 모델에 액세스

  • Tensorflow-Keras 모델 임포터
  • Caffe에서 모델 가져오기(Caffe Model Zoo 포함)
  • GoogLeNet, VGG-16, VGG-19, AlexNet, ResNet-50, ResNet-101 및 Inception-v3
  • 출시 예정 Inception-ResNet-v2, SqueezeNet

네트워크 훈련

  • 네트워크 성능의 유효성 검사를 자동으로 수행하고 유효성 검사 메트릭의 개선이 중단되면 훈련 중단
  • 베이지안 최적화를 사용하여 하이퍼파라미터 튜닝 수행
  • 새로운 기능 훈련용 추가 옵티마이저: ADAM 및 RMSprop
  • 새로운 기능 다수의 GPU에서 병렬로 DAG 네트워크 훈련

디버깅 및 시각화

  • 새로운 기능 DAG 활성화: GoogLeNet 및 Inception-v3와 같이 네트워크의 중간 활성화에 대한 시각화
  • 정확성, 손실, 유효성 검사 메트릭에 대한 플롯으로 훈련 과정 모니터링
  • 출시 예정: Network Analyzer 앱을 사용하여 네트워크 플롯 및 분석

배포

  • GPU Coder를 사용하여 MATLAB의 딥러닝 모델을 CUDA로 자동 변환
  • 새로운 기능 GoogLeNet, ResNet-50, ResNet-101, Inception-v3, SegNet을 비롯한 DAG 네트워크 지원
  • 새로운 기능 Intel 및 ARM 프로세서 지원
  • 새로운 기능 TensorRT와 통합된 CUDA 코드 생성

무료 평가판 받기

30일 동안 사용해 보세요.

질문이 있습니까?

딥러닝 전문가와 상의하세요.