框架互操作：MATLAB与TensorFlow/PyTorch

通过与深度学习框架的互操作，例如TensorFlow和PyTorch，MATLAB和Simulink用户可以在充分利用MATLAB生态工具链的同时，灵活使用开源社区的资源。

本演讲将通过实例介绍MATLAB中提供的多种互操作方式和优点：

-          在MATLAB中导入和导出TensorFlow/PyTorch/ONNX模型

-          MATLAB 与 TensorFlow/PyTorch 的协同执行

出版年份: 2022 年 6 月 21 日

相关产品

了解更多

查看幻灯片
查看MATLAB EXPO 2022中国的所有活动记录

反馈

下一个:

简介：本次网络研讨会将展示如何使用MATLAB Coder（2011a版本中的新产品）从您的MATLAB算法直接生成清晰可读的、可移植的C和C++代码。使用命令行的方式或者图形化的项目管理工具，您能够对写在MATLAB中的算法作出实现需求说明，以产生清晰可读的源代码、独立的编译好的可执行文件或者库，以在组织中共享。MathWorks工程师将展示您如何自动生成MEX函数，以用来验证MATLAB中产

使用MATLAB Coder从MATLAB生成C/C++代码

相关视频:

研讨会摘要:MATLAB作为全球最著名的科学计算软件，能够为量化投资策略的研究、回验、模拟交易、实盘交易，在数据处理、矩阵运算、优化、统计检验与建模、数据挖掘与机器学习等方面，能够提供强大的支持，让构建投资策略更加容易并且能够支持复杂算法。本次研讨会将以在国泰安QIA上，使用MATLAB开发的股指期货套利策略（CSI300 index future arbitrage strategy），和配对交易策略（pairs trading model）为例，介绍策略思想，选取合理的数学/统计方法解决实际

基于MATLAB构建量化投资策略案例分享

MATLAB在数学建模中的应用、示例、指导。

MATLAB 在数学建模中的应用(2014)

通过硬件支持包，MATLAB/Simulink扩展了其对各种硬件的支持。本次研讨会将以教育用户广泛使用的硬件为例介绍硬件支持包的获取及提供的一键将算法下载到硬件的功能。

硬件支持包：从MATLAB/Simulink仿真到硬件应用

机器学习技术与实现——MATLAB大数据处理

机器学习技术与实现——MATLAB大数据处理

查看更多相关视频