MATLAB para deep learning
Preparación de datos, diseño, simulación e implementación para redes neuronales profundas
Basta con unas pocas líneas de código de MATLAB® para crear modelos de deep learning sin necesidad de ser un experto. Averigüe cómo puede ayudarle MATLAB a realizar tareas de deep learning:
- Cree, modifique y analice arquitecturas de deep learning mediante apps y herramientas de visualización.
- Preprocese los datos y automatice el etiquetado de validación (ground-truth) de datos de imagen, vídeo y audio mediante apps.
- Acelere algoritmos en GPU NVIDIA®, la nube y recursos de centros de datos sin necesidad de programación especializada.
- Colabore con sus compañeros utilizando marcos como TensorFlow, PyTorch y MxNet.
- Simule y entrene el comportamiento de sistemas dinámicos mediante el aprendizaje por refuerzo.
- Genere datos de entrenamiento y pruebas basados en simulaciones a partir de modelos de sistemas físicos de MATLAB y Simulink®.
¿Por qué usar MATLAB para el deep learning?
Interoperabilidad
No es necesario elegir obligatoriamente entre marcos basados en MATLAB o en Python. MATLAB soporta la interoperabilidad con marcos de deep learning de código abierto a través de las capacidades de importación y exportación de ONNX. Utilice las herramientas de MATLAB cuando sea necesario: para acceder a capacidades y funciones y apps prediseñadas no disponibles en Python.
Utilice apps de etiquetado para flujos de trabajo de deep learning como la segmentación semántica.
Apps de preprocesamiento
Entrene redes con mayor rapidez. Preprocese conjuntos de datos de forma rápida mediante apps específicas del 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 arquitecturas de red complejas o modificar redes previamente entrenadas para transferencia de aprendizaje.
Implementación multiplataforma
Implemente modelos de deep learning en cualquier lugar, incluidos CUDA, código C, sistemas empresariales o la nube. Cuando el rendimiento cuenta, puede generar código que aproveche librerías optimizadas de Intel® (MKL-DNN), NVIDIA (TensorRT, cuDNN) y ARM® (ARM Compute Library) para crear modelos implementables con una velocidad de inferencia de alto rendimiento.
Empiece rápidamente
Deep Learning Onramp
Iníciese en las técnicas de deep learning con este tutorial gratuito y práctico.
Explore los recursos para iniciarse
Vea una demostración, explore ejemplos interactivos y acceda a tutoriales gratuitos.
Deep Learning Topics
Consiga una prueba gratuita
30 días de exploración a su alcance.
¿Tiene preguntas?
Hable con un experto en deep learning.
Más información sobre Deep Learning
- Aceleración del desarrollo y entrenamiento de redes de deep learning con NVIDIA GPU Cloud
- Introducción al deep learning: ¿qué es el deep learning? (3:33)
- Deep learning con MATLAB: transferencia del aprendizaje en 10 líneas de código MATLAB (3:59)
- Deep learning frente a machine learning: elegir el mejor enfoque (ebook)
- Prepararse para la IA con MATLAB
- Deep learning con datos sintetizados para comunicaciones y radar (white paper)
- Serie de tutoriales sobre deep learning (5 Videos)
- Deep learning para visión artificial (27:59)
- Serie de redes neuronales profundas (2 vídeos)
- 8 fichas de ayuda de MATLAB para data analytics
- ¿Qué es el deep learning?
- ¿Qué es la segmentación semántica?
- ¿Qué son las redes neuronales convolucionales?
- Aprenda a entrenar un modelo desde el principio
