Deep Learning Toolbox
Deep Learning Toolbox™ bietet Funktionen, Anwendungen und Simulink®-Blöcke für den Entwurf, die Implementierung und die Simulation von tiefen neuronalen Netzen. Die Toolbox bietet ein Framework für die Erstellung und Verwendung vieler Arten von Netzen, wie z. B. Convolutional Neural Networks (CNN) und Transformatoren. Sie können Netzvorhersagen visualisieren und interpretieren, Netzwerkeigenschaften überprüfen und Netzwerke durch Quantisierung, Projektion oder Pruning komprimieren.
Mit der App Deep Network Designer können Sie Netze interaktiv entwerfen, bearbeiten und analysieren, vortrainierte Modelle importieren und Netzwerke in Simulink exportieren. Mit der Toolbox können Sie mit anderen Deep-Learning-Frameworks interagieren. Sie können PyTorch®-, TensorFlow™-, und ONNX™-Modelle für Inferenz, Transfer Learning, Simulation und Bereitstellung importieren. Sie können Modelle auch nach TensorFlow und ONNX exportieren.
Sie können automatisch C/C++, CUDA®- und HDL-Code für trainierte Netze generieren.
Erste Schritte mit Deep Learning Toolbox
Lernen Sie die Grundlagen von Deep Learning Toolbox
Anwendungen
Erweitern von Deep-Learning-Workflows mit Computer Vision, Bildverarbeitung, automatisiertem Fahren, Signalen, Audio, Textanalyse und Finanzberechnungen
Deep Learning mit Simulink
Erweitern Sie Deep-Learning-Workflows mit Simulink
Vorverarbeiten von Daten für tiefe neuronale Netze
Verwalten und Vorverarbeiten von Daten für Deep Learning
Visualisieren und Verifizieren von tiefen neuronalen Netzen
Visualisierung des Netzverhaltens, Erklärung von Vorhersagen und Überprüfung der Fehlerresistenz
Code-Generierung
Generieren von C/C++, CUDA- oder HDL-Code und Bereitstellen von Deep-Learning-Netzen
