¿Qué novedades hay en MATLAB para deep learning?

MATLAB consigue que el deep learning resulte fácil y accesible para todos, incluso sin ser un experto. Consulte las funcionalidades más recientes para el diseño y la creación de sus propios modelos, el entrenamiento y la visualización de redes, y el despliegue.

R2020b Highlights for Deep Learning

Deep Learning Simulink Support

Incorporate deep learning models into Simulink for simulation and code generation.

Experiment Manager App

Manage and train multiple deep learning experiments, keep track of training parameters, and analyze and compare results and code.


New examples for deep learning in latest release:

Explore Related Applications for Deep Learning

Reinforcement learning

  • New Algoritmos de reinforcement learning: entrene políticas de redes neuronales profundas con DQN, DDPG, A2C, PPO y otros algoritmos.
  • Modelado de entornos: cree modelos de MATLAB y Simulink para representar entornos y proporcionar señales de observación y recompensa para el entrenamiento de políticas.
  • Aceleración del entrenamiento: paralelice el entrenamiento de políticas en GPU y CPU multinúcleo.
  • New Ejemplos de referencia: implemente políticas para aplicaciones de conducción autónoma, robótica y diseño de sistemas de control.

Arquitecturas de red

  • Novedad Cree arquitecturas de red avanzadas como GAN, redes siamesas, redes de atención y autocodificadores variacionales.
  • Entrene un detector de objetos de deep learning “you-only-look-once” (YOLO) v2 y genere código C y CUDA.
  • Deep Network Designer: diseñe y analice de forma gráfica redes profundas y genere código MATLAB.
  • Soporte para capas personalizadas: defina nuevas capas con varias entradas y salidas, y especifique funciones de pérdidas para clasificación y regresión.
  • Combine redes LSTM y capas convolucionales para la clasificación de vídeo y el reconocimiento de gestos.

GPU Coder

Generate code for deep networks including code for custom layers.

Despliegue

  • Novedad Genere código para redes como el detector de objetos YOLO V2, DeepLab-v3+, MobileNet-v2, Xception, DenseNet-201 y redes recurrentes.
  • Novedad Despliegue redes de deep learning en GPU de ARM Mali.
  • Novedad Despliegue automatizado en las plataformas Jetson AGX Xavier y Jetson Nano.
  • Aplique transposiciones optimizadas para CUDA usando memoria compartida para un mejor rendimiento.

Deep Learning for Signal and Audio

Design deep learning models for use in signal processing and audio applications.

Want the full story?

Check out deep learning blog posts for R2019a, R2019b, and R2020a

Consiga una prueba gratuita

Treinta días de exploración a su alcance.

¿Tiene preguntas?

Hable con un experto en deep learning.