Vaše jednička mezi nulami
ITBiz.cz

Matlab R2018a přináší efektivnější učení hlubokých neuronových sítí

Pavel Houser , 03. květen 2018 08:00 0 komentářů
Rubriky: Vývoj a HTML, Science

Neural Network Toolbox nově umožňuje využití Long short-term memory (LSTM) sítí pro řešení regresních úloh a klasifikaci textových dat.

Humusoft, výhradní zástupce společnosti MathWorks, uvádí na trh ČR a SR nové vydání výpočetního, vývojového a simulačního prostředí Matlab R2018a.

Nová verye podle dodavatele přináší efektivnější učení hlubokých neuronových sítí pro deep learning, generování zdrojového kódu CUDA z hlubokých neuronových sítí s rozvětvenou architekturou, nové algoritmy pro návrh systémů ADAS, grafickou aplikaci Econometric Modeler určenou k analýze a modelování časových řad a dvě zcela nové nadstavby: Predictive Maintenance Toolbox a Vehicle Dynamics Blockset.

V základním modulu MATLAB byl rozšířen grafický nástroj Live Editor o vkládání grafických ovládacích prvků, které umožní interaktivní změny hodnot v dokumentech. Funkce i skripty v Live Editoru je možné ladit zadáváním break-pointů a krokováním. Dalšími novinkami jsou tvorba automatizovaných testů pro grafické aplikace vytvořené v nástroji App Designer a přístup k web kameře uživatele z prostředí MATLAB Online.

Zajímavé novinky přináší i Simulink, grafický nástroj pro modelování a simulaci dynamických systémů. Předvolba Simulation Pacing umožní zpomalení simulace pro vizualizační účely. Uživatel tak může průběžně sledovat změny hodnot signálů na grafických ukazatelích a také ručně zasahovat do simulace pomocí grafických ovládacích prvků.

Nové funkce v nástroji Neural Network Toolbox umožňují využití Long short-term memory (LSTM) sítí pro řešení regresních úloh a klasifikaci textových dat ve spolupráci s nástrojem Text Analytics Toolbox. Neural Network Toolbox dále přináší efektivnější trénování hlubokých neuronových sítí pomocí metod Adam, RMSProp a gradient clipping, rychlejší trénování rozvětvených síťových architektur (DAG) s využitím několika GPU a import deep learning modelů z prostředí TensorFlow-Keras. Grafická aplikace Image Labeler v nástroji Computer Vision System Toolbox umožňuje automatizaci označování jednotlivých pixelů v obrázcích pro trénování sémantické segmentace. Nástroj GPU Coder umožňuje generování zdrojového kódu CUDA pro sítě s rozvětvenou architekturou (DAG) a předučené sítě, jako jsou GoogLeNet, ResNet a SegNet. Generování zdrojového kódu v jazyce C z hlubokých neuronových sítí umožňuje jejich nasazení na procesory Intel a ARM.


Komentáře

Přidat komentář