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®.
Escuche cómo Kestrel Agritech previene los daños en los cultivos y mejora la producción con MATLAB, inteligencia artificial y el apoyo del Programa de startups de MathWorks.

¿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.

Consiga una prueba gratuita

30 días de exploración a su alcance.

¿Tiene preguntas?

Hable con un experto en deep learning.