|
MathWorks 今日推出了 2018b 版本的 MATLAB 和 Simulink。該版本包含重要的深度學習增強功能，以及各個產品系列中的新功能和Bug修復。新的 Deep Learning Toolbox 取代了 Neural Network Toolbox，為工程師和科學家提供了用于設計和實現深度神經網絡的框架。現在，圖像處理、計算機視覺、信號處理和系統工程師可以使用 MATLAB 更輕松地設計復雜的網絡架構，并改進其深度學習模型的性能。 MathWorks 最近加入了 ONNX 社區，表明其對互操作性的支持，從而實現 MATLAB 用戶與其他深度學習框架用戶之間的協作。使用 R2018b 中的新 ONNX 轉換器，工程師可以從支持的框架（如 PyTorch、MxNet 和 TensorFlow）導入和導出模型。憑借這種互操作性，在 MATLAB 中訓練的模型能夠用于其他框架。同樣，可以將在其他框架中訓練的模型導入 MATLAB，以執行調試、驗證和嵌入式部署等任務。而且，R2018b 提供了一組精心打造的參考模型，只需一行代碼即可訪問。此外，附加的模型導入器支持使用來自 Caffe 和 Keras-Tensorflow 的模型。 “隨著深度學習在多個行業中變得越來越流行，需要讓其得到廣泛普及、變得容易獲取，并且適用于具有不同專業背景的工程師和科學家，”MathWorks 的 MATLAB 營銷總監 David Rich 表示。“現在，通過使用從研究到原型再到生產的集成式深度學習工作流程，深度學習新手和專家都可以使用 MATLAB 來學習、應用和開展高級研究。” 通過以下方式，MathWorks 在 R2018b 中繼續改進用戶工作效率和深度學習工作流程的易用性： • 用戶可以使用 Deep Network Designer 應用程序創建復雜的網絡架構，或修改復雜的預訓練網絡以進行遷移學習； • 通過 NVIDIA GPU Cloud 上的 MATLAB Deep Learning Container 以及用于 Amazon Web Services 和 Microsoft Azure 的 MATLAB 參考架構來支持云供應商，網絡訓練性能得到改進并超越了桌面能力； • 擴展了對特定領域工作流程的支持，包括用于音頻、視頻和應用程序特定數據存儲的真實值（ground-truth）標注應用程序，使得處理大型數據集變得更容易和更快捷。 在 R2018b 中，GPU Coder 通過支持 NVIDIA 庫和增加自動調優、層融合和緩沖區最小化等優化，繼續提升推理性能。此外，還增加了對使用 Intel MKL-DNN 和 ARM Compute Library 的 Intel 和 ARM 平臺的部署支持。 R2018b 已經上市。有關 MATLAB 和 Simulink 產品系列的所有新功能和Bug修復的信息，請觀看 R2018b 亮點視頻。 |
