MathWorks amplía las capacidades de deep learning en la versión 2018b de las familias de productos de MATLAB y Simulink

MathWorks ha presentado hoy la versión 2018b de MATLAB y Simulink. Esta versión contiene mejoras significativas para deep learning, junto con nuevas capacidades y correcciones de errores en ambas familias de productos. La nueva Deep Learning Toolbox, que sustituye a Neural Network Toolbox, proporciona a ingenieros y científicos un marco de pruebas para diseñar e implementar redes neuronales profundas. Ahora los ingenieros de procesamiento de imágenes, visión artificial, procesamiento de señales y sistemas pueden utilizar MATLAB para diseñar más fácilmente complejas arquitecturas de red y mejorar el rendimiento de sus modelos de deep learning.

MathWorks se unió recientemente a la comunidad ONNX para demostrar su compromiso con la interoperabilidad, permitiendo la colaboración entre usuarios de MATLAB y otros marcos de pruebas de deep learning. Gracias al nuevo convertidor de ONNX disponible en la versión R2018b, los ingenieros pueden importar y exportar modelos desde marcos de pruebas soportados, como PyTorch, MxNet y TensorFlow. Esta interoperabilidad permite que los modelos entrenados en MATLAB se utilicen en otros marcos de pruebas. De igual forma, los modelos entrenados en otros marcos de pruebas se pueden traer a MATLAB para la realización de tareas como depuración, validación e implementación embebida. Además, la versión R2018b proporciona un conjunto perfeccionado de modelos de referencia a los que se puede acceder con una sola línea de código. Y, por otro lado, los importadores de modelos adicionales permiten el uso de modelos desde Caffe y Keras-Tensorflow.

“Conforme el deep learning va adquiriendo mayor importancia en diversos sectores, aparece la necesidad de hacer que esté ampliamente disponible, accesible y aplicable para ingenieros y científicos de distintas especializaciones”, afirma David Rich, director de marketing de MATLAB en MathWorks. “Ahora, tanto los principiantes como los expertos en deep learning pueden aprender, aplicar y realizar investigaciones avanzadas con MATLAB mediante el uso de un flujo de trabajo de deep learning integrado que abarca desde la investigación y la creación de prototipos hasta la producción.”

MathWorks continúa mejorando la productividad del usuario y la facilidad de uso para flujos de trabajo de deep learning en la versión R2018b a través de:

• La app Deep Network Designer, que permite a los usuarios crear complejas arquitecturas de red o modificar complejas redes previamente entrenadas para transferencia del aprendizaje.
• Rendimiento mejorado del entrenamiento de la red, más allá de las capacidades de escritorio, proporcionando soporte a los proveedores de servicios en la nube con MATLAB Deep Learning Container para NVIDIA GPU Cloud y las arquitecturas de referencia de MATLAB para Amazon Web Services y Microsoft Azure.
• Soporte ampliado para flujos de trabajo específicos del dominio, incluidas apps de etiquetado de ground-truth para audio, vídeo y contenedores de datos específicos de la aplicación, facilitando y acelerando el trabajo con grandes conjuntos de datos.

En la versión R2018b, GPU Coder continúa mejorando el rendimiento de inferencia mediante el soporte de bibliotecas de NVIDIA y la adición de optimizaciones como el autoajuste, la fusión de capas y la minimización del buffer. Además, se ha añadido soporte de implementación para las plataformas Intel y ARM mediante Intel MKL-DNN y ARM Compute Library.

La versión R2018b ya está disponible. Si desea obtener más información sobre las nuevas capacidades y las correcciones de errores incluidas en las familias de productos MATLAB y Simulink, vea el vídeo Aspectos destacados de la versión R2018b.