新的 Deep Learning Toolbox 取代了 Neural Network Toolbox，為工程師和科學家提供了用於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、信號處理和係統工程師可以使用 MATLAB 更輕鬆地設計複雜的網絡架構，並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於其他框架。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
，隻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，並且適用於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 應用程序創建複雜的網絡架構，或修改複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 以及用於 Amazon Web Services 和 Microsoft Azure 的 MATLAB 參考架構來支持雲供應商，網絡訓練性能得到改進並超越了桌麵能力
；



● 擴展了對特定領域工作流程的支持，包括用於音頻、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
、層融合和緩衝區最小化等優化，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 平台的部署支持。 

 

R2018b 已經上市。有關 MATLAB 和 Simulink 產品係列的所有新功能和Bug修複的信息，請觀看 R2018b 亮點視頻。

 

關於 MathWorks

 

MathWorks 是數學計算軟件的領先開發商。它所推出的 MATLAB 是一種用於算法開發、數據分析、可視化和數值計算的程序設計環境

，稱為“科學計算的語言”。Simulink 是一種圖形環境，可用於對多域動態係統和嵌入式係統進行仿真和基於模型設計。全球的工程師和科學家們都依賴於 MathWorks 公司所提供的這些產品家族，來加快在汽車、航空
、電子、金融服務

、生物醫藥以及其他行業的發明、創新及開發的步伐。除此之外
，MATLAB 和 Simulink 產品還是基礎教學和研究工具，為全球眾多大學和教學機構所采用。MathWorks 創建於 1984 年，總部位於美國馬薩諸塞州的內蒂克市 (Natick, Massachusetts)，在全球 16 個國家/地區擁有 4000 多名員工。有關詳細信息，請訪問 mathworks.com/ww2.mathworks.cn。

 

 

推薦閱讀：

 

KO傳統開關的MEMS開關，用在這些電路上是極好的