Deep Learning Toolbox

 

Deep Learning Toolbox

Deep Learning-Netze entwickeln, trainieren und analysieren

Deep-Learning-Anwendungen

Trainieren Sie Deep-Learning-Modelle zur Klassifizierung, zur Regression und zum Feature-Learning für Anwendungen in den Bereichen automatisiertes Fahren, Signal- und Audioverarbeitung, drahtlose Kommunikation, Bildverarbeitung und mehr.

Netzwerkentwicklung und Modellmanagement

Beschleunigen Sie die Entwicklung von Deep-Learning-Modellen mithilfe von Low-Code-Anwendungen. Erstellen, trainieren, analysieren und debuggen Sie ein Netz mithilfe der Deep Network Designer-App. Optimieren und vergleichen Sie mehrere Modelle mithilfe der Experiment Manager-App.

Vortrainierte Modelle

Mit einer einzigen Code-Zeile in MATLAB haben Sie Zugriff auf die wichtigsten Modelle. Verwenden Sie PyTorch™ über ONNX und TensorFlow™, um beliebige Modelle in MATLAB zu importieren.

Erklärbarkeit

Visualisieren Sie den Trainingsfortschritt und die Aktivierung der gelernten Funktionen in einem Deep-Learning-Netz. Verwenden Sie Grad-CAM, Occlusion Mapping und LIME, um die Ergebnisse von Deep-Learning-Modellen anschaulicher zu erklären.

Vorverarbeitung

Markieren, verarbeiten und ergänzen Sie Daten für das Training des Netzwerks. Automatisieren Sie die Datenkennzeichnung mit integrierten Algorithmen.

Beschleunigung des Trainings

Verbessern Sie die Trainingsgeschwindigkeit beim Deep Learning mithilfe von GPUs, Cloud-Beschleunigung und verteilten Systemen.

Codegenerierung

Generieren Sie automatisch optimierten CUDA®-Code mit dem GPU Coder und C und C++ Code mit dem MATLAB Coder, um Deep-Learning-Netze auf NVIDIA-GPUs und verschiedenen Prozessoren bereitzustellen. Mithilfe der Deep Learning HDL Toolbox können Sie jetzt Prototypen von Deep-Learning-Netzen erstellen und auf FPGAs und SoCs implementieren.

Simulation mit Simulink

Simulieren Sie Deep-Learning-Netze mit Regelungs-, Signalverarbeitungs- und Sensor-Fusion-Komponenten, um die Auswirkungen Ihres Deep-Learning-Modells auf die Gesamtsystem-Performance zu bewerten.

Deep-Learning-Komprimierung

Quantisieren und optimieren Sie Ihr Deep-Learning-Netz, um den Speicherbedarf zu senken und die Inferenzleistung zu steigern. Analysieren und visualisieren Sie mit der Deep Network Quantizer-App den Kompromiss zwischen höherer Leistung und Inferenzgenauigkeit.

Kostenlose Testversion anfordern

30 Tage kostenlos ausprobieren.


Bereit zum Kauf?

Angebot anfordern und Erweiterungsprodukte entdecken.

Studieren Sie?

Ihre Hochschule bietet möglicherweise bereits Zugang zu MATLAB, Simulink und Add-on-Produkten über eine Campus-Wide License.