Main Content

Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Deep Learning Toolbox – Produktbeschreibung

Entwickeln, Trainieren und Analysieren von Deep-Learning-Netzen

Die Deep Learning Toolbox™ bietet ein Framework für die Entwicklung und Implementierung tiefer neuronaler Netze mit Algorithmen, vortrainierten Modellen und Apps. Sie können Convolutional Neural Networks (ConvNets oder CNNs) und Long-Short-Term-Memory(LSTM)-Netze (Netze mit langem Kurzzeitgedächtnis) verwenden, um Klassifizierung und Regression für Bild-, Zeitreihen- und Textdaten auszuführen. Sie können Netzarchitekturen wie Generative Adversarial Networks (GANs) und siamesische Netze mithilfe automatischer Differenzierung, angepasster Trainingsschleifen und gemeinsam verwendeter Gewichtungen erstellen. Mit der App „Deep Network Designer“ können Sie Netze grafisch entwickeln, analysieren und trainieren. Die App „Experiment Manager“ unterstützt Sie bei der Verwaltung mehrerer Deep-Learning-Experimente, bei der Nachverfolgung von Trainingsparametern, beim Analysieren von Ergebnissen und beim Vergleichen von Code aus verschiedenen Experimenten. Sie können Schichtaktivierungen visualisieren und den Trainingsfortschritt grafisch überwachen.

Sie können Netze und Schichtdiagramme aus TensorFlow™ 2, TensorFlow-Keras und PyTorch®, dem Open Neural Network Exchange(ONNX™)-Modellformat sowie Caffe importieren. Sie können auch Deep Learning Toolbox-Netze und Schichtdiagramme in das TensorFlow 2- und das ONNX-Modellformat exportieren. Die Toolbox unterstützt Transfer Learning mit DarkNet-53, ResNet-50, NASNet, SqueezeNet und vielen anderen vortrainierten Modellen.

Sie können das Training für eine Workstation mit einer Grafikkarte oder mit mehreren Grafikkarten beschleunigen (mit der Parallel Computing Toolbox™) oder auf Cluster und Clouds skalieren, z. B. NVIDIA® GPU Cloud- und Amazon EC2® GPU-Instanzen (mit MATLAB® Parallel Server™).