Con MATLAB, podrá usar apps integradas y herramientas específicas del dominio que contribuirán a preparar los datos de señales gracias a tareas como el etiquetado y la gestión de grandes volúmenes de datos de señales que son demasiado grandes para caber en la memoria.

El preprocesamiento de señales es un paso crucial para mejorar la calidad general de las señales. Puede utilizar las apps y las funciones integradas para limpiar señales y eliminar los artefactos no deseados antes de entrenar una red profunda. También puede extraer características estándar y específicas del dominio a partir de señales para reducir la dimensionalidad de los datos a fin de entrenar modelos de deep learning. También es posible utilizar técnicas de extracción de características automáticas, como dispersión de wavelets, para obtener características de desviación baja a partir de señales y entrenar redes profundas.

Diseñe redes de forma interactiva, acelere el entrenamiento mediante GPU NVIDIA^® y obtenga buenos resultados con más rapidez.

Diseño

Importe modelos previamente entrenados mediante ONNX™ y, después, use la app Deep Network Designer para agregar, eliminar o reorganizar las capas.

Entrenamiento

Tanto si usa una GPU como si emplea varias GPU, GPU en la nube o NVIDIA DGX, MATLAB admite el entrenamiento mediante varias GPU con una línea de código.

Implementación

Implemente modelos de deep learning en cualquier lugar. Genere código automáticamente para su ejecución nativa en ARM^® e Intel^® MKL-DNN. Importe sus modelos de deep learning y genere código CUDA^® para librerías CuDNN y TensorRT.