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 레이블링

  • 비디오 레이블러: 비디오 또는 이미지 시퀀스의 지상 실측(Ground-Truth) 데이터 레이블 지정
  • 오디오 레이블러: 오디오 데이터셋의 지상 실측 레이블을 대화형 방식으로 정의하고 시각화하기
  • 신규 신호 레이블러: 대화형 방식으로 신호 시각화 및 레이블 지정
  • 신규 픽셀 레이블 데이터저장소: 2D 및 3D 시맨틱 분할 데이터에 대한 픽셀 정보 저장
  • 증강 이미지 데이터저장소: 딥러닝 학습 데이터를 증강하기 위해 더 많은 학습 샘플 생성하기
  • 신규 오디오 데이터저장소: 대규모 오디오 녹음 컬렉션 관리

네트워크 아키텍처

  • 연속신호, 시계열 출력을 위한 회귀 및 양방향 LSTM
  • 신규 - "YOLO(you-only-look-once) v2 딥러닝 객체 검출기를 학습하고 CUDA 코드 생성하기
  • 딥 네트워크 디자이너: 딥 네트워크를 그래픽으로 설계 및 분석하고 MATLAB 코드 생성하기
  • 신규 사용자 지정 레이어 지원: 여러 입력 및 출력으로 새 레이어를 정의하고 분류와 회귀에 손실 함수 지정하기
  • 신규 비디오 분류와 제스처 인식을 위해 LSTM과 컨벌루션 레이어 결합하기

딥러닝 상호 운용성

  • ONNX 모델 형식을 사용하여 다른 딥러닝 프레임워크 모델 가져오기 및 내보내기
  • MobileNet-v2, ResNet-101, Inception-v3, SqueezeNet 및 NASNet으로 작업하기
  • 신규 - TensorFlow-Keras 모델 가져와서 CUDA 코드 생성하기
  • 신규 - Caffe 모델 임포터에서 DAG 네트워크 가져오기

MATLAB에서 지원되는 사전 학습 모델의 종합 목록을 참조하십시오.

네트워크 학습

  • 네트워크 성능의 유효성 검사를 자동으로 수행하고, 유효성 검사 메트릭의 개선이 중단되면 학습을 중단하기
  • 신규 3-D 이미지 데이터에 대한 딥러닝 네트워크 학습
  • 베이지안 최적화를 사용하여 하이퍼파라미터 튜닝 수행하기
  • 학습용 추가 옵티마이저: Adam 및 RMSProp
  • 병렬 및 다중 GPU에서 DAG 네트워크 학습하기
  • 신규 NVIDIA DGX 및 클라우드 플랫폼에서 딥러닝 모델 학습하기

디버깅 및 시각화

  • DAG 활성화: ResNet-50, ResNet-101, GoogLeNet 및 Inception-v3과 같은 네트워크의 중간 활성화 시각화하기
  • 정확성, 손실, 유효성 검사 메트릭에 대한 플롯으로 학습 과정 모니터링
  • 네트워크 분석기: 학습 전 네트워크 아키텍처를 시각화, 분석하여 문제점 찾기

배포

  • FP16 최적화를 이용하는 NVIDIA®TensorRT와 생성된 CUDA 코드를 통합하기
  • GoogLeNet, ResNet-50, ResNet-101, SegNet을 비롯한 DAG 네트워크 지원
  • 학습된 딥러닝 모델로부터 Intel® Xeon 및 ARM® Cortex-A® 프로세서를 위한 코드 생성하기
  • NVIDIA Jetson 및 DRIVE 플랫폼에 대한 배포의 자동화
  • 딥러닝 최적화: 자동 튜닝, 레이어 융합 및 Thrust 라이브러리 지원을 통한 성능 개선
  • 신규 개선된 성능을 위해 공유 메모리를 사용하여 최적화된 CUDA 전치 적용

강화 학습

  • 강화 학습 알고리즘: DQN, DDPG, A2C 및 기타 알고리즘을 사용하여 심층 신경망 정책 학습
  • 환경 모델링: MATLAB 및 Simulink 모델을 만들어 환경을 표현하고 학습 정책에 대한 관측값과 보상 신호 제공
  • 학습 가속: GPU와 멀티코어 CPU에 대한 정책 학습 병렬화
  • 참조 예제: 자율주행과 로봇 응용 분야를 위한 강화 학습을 사용하여 제어기 구현하기

무료 평가판 받기

30일 동안 사용해 보세요.

질문이 있습니까?

딥러닝 전문가와 상의하세요.