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(xiàn)深度神經網絡的框架?，F(xiàn)在，圖像處理、計算機視覺、信號處理和系統(tǒng)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(qū)，表明其對互操作性的支持，從而實現(xiàn) MATLAB 用戶與其他深度學習框架用戶之間的協(xié)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(zhí)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(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家，”MathWorks 的 MATLAB 營銷總監(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(xù)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(chuàng)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(shù)據(jù)存儲的真實值（ground-truth）標注應用程序，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 庫和增加自動調優(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。

 

關于 MathWorks

 

MathWorks 是數(shù)學計算軟件的領先開發(fā)商。它所推出的 MATLAB 是一種用于算法開發(fā)、數(shù)據(jù)分析、可視化和數(shù)值計算的程序設計環(huán)境，稱為“科學計算的語言”。Simulink 是一種圖形環(huán)境，可用于對多域動態(tài)系統(tǒng)和嵌入式系統(tǒng)進行仿真和基于模型設計。全球的工程師和科學家們都依賴于 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(yī)藥以及其他行業(yè)的發(fā)明、創(chuàng)新及開發(fā)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(chuàng)建于 1984 年，總部位于美國馬薩諸塞州的內蒂克市 (Natick, Massachusetts)，在全球 16 個國家/地區(qū)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(tǒng)開關的MEMS開關，用在這些電路上是極好的