Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Deep Learning Toolbox

Diseñar, entrenar, analizar y simular redes de deep learning

Deep Learning Toolbox™ proporciona funciones, apps y bloques Simulink® para diseñar, implementar y simular redes neuronales profundas. La toolbox proporciona un marco para crear y utilizar muchos tipos de redes, como redes neuronales convolucionales (CNN) y transformadores. Puede visualizar e interpretar predicciones de redes, verificar propiedades de redes y comprimir redes con cuantificación, proyección o poda.

Con la app Deep Network Designer, puede diseñar, editar y analizar redes de forma interactiva, importar modelos preentrenados y exportar redes a Simulink. La toolbox le permite interoperar con otros marcos de deep learning. Puede importar modelos de PyTorch®TensorFlow™ y ONNX™ para inferencia, transferencia del aprendizaje, simulación y despliegue. También puede exportar modelos a TensorFlow y ONNX.

Puede generar automáticamente código C/C++, CUDA® y HDL para redes entrenadas.

Introducción a Deep Learning Toolbox

Aprender los aspectos básicos de Deep Learning Toolbox

Aplicaciones

Amplíe flujos de trabajo de deep learning con visión artificial, procesamiento de imágenes, conducción autónoma, procesamiento de señales, procesamiento de audio, análisis de texto y finanzas computacionales

Aspectos básicos de deep learning

Importe, cree, entrene, ajuste, visualice, verifique y exporte redes neuronales profundas

Flujos de trabajo de datos de imagen

Use redes preentrenadas o cree y entrene redes desde cero para la clasificación y regresión de imágenes

Flujos de trabajo de datos de características numéricos y de secuencias

Cree y entrene redes neuronales de clasificación, regresión y predicción para secuencias y datos en tablas

Paralelo y nube

Escale deep learning con varias GPU de forma local o en la nube y entrene varias redes de forma interactiva o en trabajos por lotes

Diferenciación automática

Personalice capas, redes, bucles de entrenamiento y funciones de pérdida de deep learning.

Deep learning con Simulink

Amplíe flujos de trabajo de deep learning con Simulink

Generación de código

Genere código C/C++, CUDA o HDL, y despliegue redes de deep learning

Aproximación, agrupación y control de funciones

Realice regresiones, clasificaciones y agrupaciones, y modele sistemas dinámicos no lineales mediante redes neuronales superficiales