關(guān)鍵詞： MATLAB , Simulink , 深度學(xué)習(xí)

MathWorks 今日推出了 2018b 版本的 MATLAB 和 Simulink。該版本包含重要的深度學(xué)習(xí)增強(qiáng)功能，以及各個(gè)產(chǎn)品系列中的新功能和Bug修復(fù)。新的 Deep Learning Toolbox 取代了 Neural Network Toolbox，為工程師和科學(xué)家提供了用于設(shè)計(jì)和實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)的框架。現(xiàn)在，圖像處理、計(jì)算機(jī)視覺、信號(hào)處理和系統(tǒng)工程師可以使用 MATLAB 更輕松地設(shè)計(jì)復(fù)雜的網(wǎng)絡(luò)架構(gòu)，并改進(jìn)其深度學(xué)習(xí)模型的性能。

MathWorks 最近加入了 ONNX 社區(qū)，表明其對(duì)互操作性的支持，從而實(shí)現(xiàn) MATLAB 用戶與其他深度學(xué)習(xí)框架用戶之間的協(xié)作。使用 R2018b 中的新 ONNX 轉(zhuǎn)換器，工程師可以從支持的框架（如 PyTorch、MxNet 和 TensorFlow）導(dǎo)入和導(dǎo)出模型。憑借這種互操作性，在 MATLAB 中訓(xùn)練的模型能夠用于其他框架。同樣，可以將在其他框架中訓(xùn)練的模型導(dǎo)入 MATLAB，以執(zhí)行調(diào)試、驗(yàn)證和嵌入式部署等任務(wù)。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(dǎo)入器支持使用來自 Caffe 和 Keras-Tensorflow 的模型。

“隨著深度學(xué)習(xí)在多個(gè)行業(yè)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(yè)背景的工程師和科學(xué)家，”MathWorks 的 MATLAB 營(yíng)銷總監(jiān) David Rich 表示。“現(xiàn)在，通過使用從研究到原型再到生產(chǎn)的集成式深度學(xué)習(xí)工作流程，深度學(xué)習(xí)新手和專家都可以使用 MATLAB 來學(xué)習(xí)、應(yīng)用和開展高級(jí)研究。”

通過以下方式，MathWorks 在 R2018b 中繼續(xù)改進(jìn)用戶工作效率和深度學(xué)習(xí)工作流程的易用性：
•        用戶可以使用 Deep Network Designer 應(yīng)用程序創(chuàng)建復(fù)雜的網(wǎng)絡(luò)架構(gòu)，或修改復(fù)雜的預(yù)訓(xùn)練網(wǎng)絡(luò)以進(jìn)行遷移學(xué)習(xí)；
•        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(gòu)來支持云供應(yīng)商，網(wǎng)絡(luò)訓(xùn)練性能得到改進(jìn)并超越了桌面能力；
•        擴(kuò)展了對(duì)特定領(lǐng)域工作流程的支持，包括用于音頻、視頻和應(yīng)用程序特定數(shù)據(jù)存儲(chǔ)的真實(shí)值（ground-truth）標(biāo)注應(yīng)用程序，使得處理大型數(shù)據(jù)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(dòng)調(diào)優(yōu)、層融合和緩沖區(qū)最小化等優(yōu)化，繼續(xù)提升推理性能。此外，還增加了對(duì)使用 Intel MKL-DNN 和 ARM Compute Library 的 Intel 和 ARM 平臺(tái)的部署支持。

R2018b 已經(jīng)上市。有關(guān) MATLAB 和 Simulink 產(chǎn)品系列的所有新功能和Bug修復(fù)的信息，請(qǐng)觀看 R2018b 亮點(diǎn)視頻。