Deep Learning

 

MATLAB para deep learning

Diseño, creación y visualización de redes neuronales convolucionales

Basta con unas pocas líneas de código de MATLAB® para crear modelos de deep learning sin necesidad de ser un experto. Averigüe cómo MATLAB puede ayudarle a realizar tareas de deep learning.

  • Acceda fácilmente a los modelos más recientes, entre ellos, GoogLeNet, VGG-16, VGG-19, AlexNet, ResNet-50, ResNet-101, e Inception-v3.
  • Acelere algoritmos en GPU NVIDIA®, el cloud y recursos de centros de datos sin necesidad de programación especializada.
  • Cree, modifique y analice arquitecturas de red neuronal profundas y complejas mediante herramientas de visualización y apps de MATLAB.
  • Automatice el etiquetado de ground-truth de datos de imagen, vídeo y audio mediante apps.
  • Utilice modelos de Caffe y TensorFlow-Keras.
  • Dado que MATLAB admite ONNX™, puede colaborar con compañeros usando marcos como PyTorch y MxNet.

¿Por qué usar MATLAB para el deep learning?

Interoperabilidad

No es que haya que elegir obligatoriamente entre marcos basados en MATLAB y en Python. MATLAB admite interoperabilidad con marcos de deep learning de código abierto gracias a capacidades de importación y exportación de ONNX. Utilice herramientas de MATLAB donde más importe: accediendo a capacidades y a apps y funciones preintegradas no disponibles en Python.

Use labeling apps for deep learning workflows like semantic segmentation. 

Apps para el preprocesamiento

Entrene redes con mayor rapidez. Preprocese conjuntos de datos con mayor rapidez mediante apps específicas de dominio para datos de audio, vídeo e imagen. Visualice, compruebe y solucione problemas antes del entrenamiento mediante la app Deep Network Designer a fin de crear complejas arquitecturas de red o modificar redes previamente entrenadas para transferencia del aprendizaje.

Despliegue multiplataforma

Despliegue modelos de deep learning en cualquier lugar: CUDA, código C, sistemas empresariales o el cloud. Cuando el rendimiento importa, puede generar código que aproveche bibliotecas optimizadas de Intel® (MKL-NNN), NVIDIA (TensorRT, cuDNN) y ARM® (ARM Compute Library) para crear modelos desplegables con velocidad de inferencia de alto rendimiento.

Cómo empezar rápido

Vea una demostración, explore ejemplos interactivos y acceda a tutoriales gratuitos.

Consiga una prueba gratuita

30 días de exploración a su alcance.

¿Tiene preguntas?

Hable con un experto en deep learning.