性欧洲videosgratis极品,一个人的视频在线观看www,jizzjizz少妇亚洲水多

matlab 2017b最新版是一款實(shí)用的數(shù)學(xué)軟件。MATLAB 2017b官方版使用時(shí)只需更改少量代碼就能擴(kuò)展您的分析在群集、GPU 和云上運(yùn)行。無需重寫代碼或?qū)W習(xí)大數(shù)據(jù)編程和內(nèi)存溢出技術(shù)。MATLAB 2017b最新版增加了對(duì)復(fù)雜架構(gòu)的支持，包括有向無環(huán)圖(DAG)和長(zhǎng)短期記憶(LSTM)網(wǎng)絡(luò)，并提供對(duì) GoogLeNet 等流行的預(yù)訓(xùn)練模型的訪問。

基本簡(jiǎn)介

MathWorks推出了2017下半年的版本—MATLAB2017b(MATLAB R2017b)，其中包括MATLAB和Simulink的若干新功能、六款新產(chǎn)品以及對(duì)其他86款產(chǎn)品的更新和修復(fù)補(bǔ)丁，該更新版本從數(shù)據(jù)標(biāo)注、模型搭建、訓(xùn)練與推斷還有最后的模型部署方面完整地支持深度學(xué)習(xí)開發(fā)流程。

其實(shí)，MATLAB2017b本次還有一大亮點(diǎn)是新組件“GPU Coder”，它能自動(dòng)將深度學(xué)習(xí)模型代碼轉(zhuǎn)換為 NVIDIA GPU的CUDA代碼，GPU Coder轉(zhuǎn)換后的CUDA代碼可以脫離MATLAB 境直接高效地執(zhí)行推斷。經(jīng) MATLAB內(nèi)部基準(zhǔn)測(cè)試顯示，GPU Coder 產(chǎn)生的 CUDA 代碼，比TensorFlow的性能高7倍，比Caffe2的性能高4.5倍。另外，此發(fā)行版還添加了新的重要的深度學(xué)習(xí)功能，可簡(jiǎn)化工程師、研究人員及其他領(lǐng)域?qū)＜以O(shè)計(jì)、訓(xùn)練和部署模型的方式。

功能介紹

一、數(shù)百萬工程師和科學(xué)家信賴 MATLAB

MATLAB 將適合迭代分析和設(shè)計(jì)過程的桌面環(huán)境與直接表達(dá)矩陣和數(shù)組運(yùn)算的編程語言相結(jié)合。

1、專業(yè)開發(fā)

MATLAB 工具箱經(jīng)過專業(yè)開發(fā)、嚴(yán)格測(cè)試并擁有完善的幫助文檔。

2、包含交互式應(yīng)用程序

MATLAB 應(yīng)用程序讓您看到不同的算法如何處理您的數(shù)據(jù)。在您獲得所需結(jié)果之前反復(fù)迭代，然后自動(dòng)生成 MATLAB 程序，以便對(duì)您的工作進(jìn)行重現(xiàn)或自動(dòng)處理。

3、以及擴(kuò)展能力

只需更改少量代碼就能擴(kuò)展您的分析在群集、GPU 和云上運(yùn)行。無需重寫代碼或?qū)W習(xí)大數(shù)據(jù)編程和內(nèi)存溢出技術(shù)。

二、讓您的創(chuàng)意從研究邁向生產(chǎn)

·Deploy to Production Systems

·部署到企業(yè)應(yīng)用程序

·MATLAB 代碼可直接用于生產(chǎn)，因此您可以直接部署到云和企業(yè)系統(tǒng)，并與數(shù)據(jù)源和業(yè)務(wù)系統(tǒng)集成。

·Hardware

·在嵌入式設(shè)備上運(yùn)行

·自動(dòng)將 MATLAB 算法轉(zhuǎn)換為 C/C++ 和 HDL 代碼，從而在嵌入式設(shè)備上運(yùn)行。

·Run on Embedded Devices

·與基于模型的設(shè)計(jì)集成

·MATLAB 與 Simulink 配合以支持基于模型的設(shè)計(jì)，用于多域仿真、自動(dòng)生成代碼，以及嵌入式系統(tǒng)的測(cè)試和驗(yàn)證。

軟件特色

1、深度學(xué)習(xí)支持

R2017b中的具體深度學(xué)習(xí)特性、產(chǎn)品和功能包括：

· Neural Network Toolbox增加了對(duì)復(fù)雜架構(gòu)的支持，包括有向無環(huán)圖(DAG)和長(zhǎng)短期記憶(LSTM)網(wǎng)絡(luò)，并提供對(duì) GoogLeNet 等流行的預(yù)訓(xùn)練模型的訪問。

· Computer Vision System Toolbox中的Image Labeler應(yīng)用現(xiàn)在提供一種方便和交互的方式來標(biāo)記一系列圖像中的地面實(shí)況數(shù)據(jù)。除對(duì)象檢測(cè)工作流程外，該工具箱現(xiàn)在還利用深度學(xué)習(xí)支持語義分割、對(duì)圖像中的像素區(qū)域進(jìn)行分類，以及評(píng)估和可視化分割結(jié)果。

·新產(chǎn)品GPU Coder可自動(dòng)將深度學(xué)習(xí)模型轉(zhuǎn)換為NVIDIA GPU的CUDA代碼。內(nèi)部基準(zhǔn)測(cè)試顯示，在部署階段為深度學(xué)習(xí)模型產(chǎn)生的代碼，比TensorFlow的性能提高7倍，比Caffe2的性能提高4.5倍。

與R2017a推出的功能相結(jié)合，可以使用預(yù)訓(xùn)練模型進(jìn)行遷移學(xué)習(xí)，包括卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型(AlexNet、VGG-16 和 VGG-19)以及來自Caffe的模型(包括Caffe Model Zoo)?？梢詮念^開始開發(fā)模型，包括使用CNN進(jìn)行圖像分類、對(duì)象檢測(cè)、回歸等。

“隨著智能設(shè)備和物聯(lián)網(wǎng)的發(fā)展，設(shè)計(jì)團(tuán)隊(duì)面臨創(chuàng)造更加智能的產(chǎn)品和應(yīng)用的挑戰(zhàn)，他們需要自己掌握深度學(xué)習(xí)技能或依賴其他具有深度學(xué)習(xí)專長(zhǎng)但可能不了解應(yīng)用場(chǎng)景的團(tuán)隊(duì)，”MathWorks的MATLAB市場(chǎng)營(yíng)銷總監(jiān)David Rich表示，“借助R2017b，工程和系統(tǒng)集成團(tuán)隊(duì)可以將MATLAB拓展用于深度學(xué)習(xí)，以更好地保持對(duì)整個(gè)設(shè)計(jì)過程的控制，并更快地實(shí)現(xiàn)更高質(zhì)量的設(shè)計(jì)。他們可以使用預(yù)訓(xùn)練網(wǎng)絡(luò)，協(xié)作開發(fā)代碼和模型，然后部署到GPU和嵌入式設(shè)備。使用MATLAB可以改進(jìn)結(jié)果質(zhì)量，同時(shí)通過自動(dòng)化地面實(shí)況標(biāo)記App來縮短模型開發(fā)時(shí)間?！? 2、其他更新：

除深度學(xué)習(xí)外，R2017b 還包括其他關(guān)鍵領(lǐng)域的一系列更新，包括：

·使用MATLAB進(jìn)行數(shù)據(jù)分析

o一款新Text Analytics Toolbox 產(chǎn)品、可擴(kuò)展數(shù)據(jù)存儲(chǔ)、用于機(jī)器學(xué)習(xí)的更多大數(shù)據(jù)繪圖和算法，以及 Microsoft Azure Blob 存儲(chǔ)支持

·使用Simulink進(jìn)行實(shí)時(shí)軟件建模

o對(duì)用于軟件環(huán)境的調(diào)度效果進(jìn)行建模并實(shí)現(xiàn)可插入式組件

·使用 Simulink 進(jìn)行驗(yàn)證和確認(rèn)

o用于需求建模、測(cè)試覆蓋率分析和合規(guī)性檢查的新工具

2、數(shù)據(jù)標(biāo)注

對(duì)于計(jì)算機(jī)視覺來說，Computer Vision System Toolbox 中的 Ground Truth Labeler app 可提供一種交互式的方法半自動(dòng)地標(biāo)注一系列圖像。除了目標(biāo)檢測(cè)與定位外，該工具箱現(xiàn)在還支持語義分割，它能對(duì)圖像中的像素區(qū)域進(jìn)行分類。陳建平說：「我們現(xiàn)在的標(biāo)注工具可以直接半自動(dòng)地完成任務(wù)，它可以像 Photoshop 中的魔棒工具一樣自動(dòng)標(biāo)注出像素層級(jí)的類別，我們選中圖片后工具會(huì)自動(dòng)將對(duì)象摳出來。在我們完成初始化的圖像語義分割后，工具會(huì)使用自動(dòng)化的手段把后續(xù)行駛過程中的其它元素都摳出來。因?yàn)橹虚g和后續(xù)過程都是以機(jī)器為主導(dǎo)完成的，所以我們只需要在前期使用少量的人力就能完成整個(gè)標(biāo)注過程?！?

這種半自動(dòng)方法確實(shí)可以大大提升標(biāo)注的效率，特別是標(biāo)注車道邊界線和汽車邊界框等視覺系統(tǒng)目標(biāo)。在這種自動(dòng)標(biāo)注框架下，算法可以快速地完成整個(gè)數(shù)據(jù)集的標(biāo)注，而隨后我們只需要少量的監(jiān)督與驗(yàn)證就能構(gòu)建一個(gè)精確的數(shù)據(jù)集。如下所示，MATLAB 文檔向我們展示了如何創(chuàng)建車道線自動(dòng)標(biāo)注。

3、模型構(gòu)建

在模型構(gòu)建方面，Neural Network Toolbox 增加了對(duì)復(fù)雜架構(gòu)的支持，包括有向無環(huán)圖(DAG)和長(zhǎng)短期記憶(LSTM)網(wǎng)絡(luò)等，并提供對(duì) GoogLeNet 等流行的預(yù)訓(xùn)練模型的訪問方式。陳建平表示：「其實(shí) MATLAB 在 2016 年的時(shí)候就已經(jīng)支持一些深度學(xué)習(xí)模型，而現(xiàn)在不僅支持 VGGNet 和 GoogleNet 等流行的預(yù)訓(xùn)練模型，同時(shí)還支持使用 Caffe Model Importer 直接從 Caffe 中導(dǎo)入。」

因?yàn)槲覀兛梢灾苯訌?Caffe Model Zoo 中導(dǎo)入各種優(yōu)秀與前沿的模型，所以 MATLAB 在模型方面可以提供廣泛的支持。但直接從 Caffe 中導(dǎo)入模型又會(huì)產(chǎn)生一個(gè)疑惑，即如果我們?cè)?Python 環(huán)境下使用 Caffe 構(gòu)建了一個(gè)模型，那么導(dǎo)入 MATLAB 是不是需要轉(zhuǎn)寫代碼，會(huì)不會(huì)需要做一些額外的工作以完成導(dǎo)入?對(duì)此，陳建平解答到：「假設(shè)我們使用 Python 和 Caffe 完成了一個(gè)模型，并保存以 Caffe 格式，那么 Caffe Model Importer 會(huì)直接從保存的 Caffe 格式中讀取模型。在這個(gè)過程中，Caffe 并不需要為 MATLAB 做額外的工作，所有的轉(zhuǎn)換結(jié)果都是 MATLAB 完成的?！?

在導(dǎo)入模型后，我們可以直接使用類似于 Keras 的高級(jí) API 修改模型或重建模型。下面將簡(jiǎn)要介紹如何導(dǎo)入預(yù)訓(xùn)練 AlexNet，并修改完成遷移學(xué)習(xí)。

首先我們需要導(dǎo)入 AlexNet，如果 Neural Network Toolbox 中沒有安裝 AlexNet，那么軟件會(huì)提供下載地址。net =alexnet;net.Layers

上面的語句將導(dǎo)入 AlexNet，并如下所示展示整個(gè) CNN 的神經(jīng)網(wǎng)絡(luò)架構(gòu)。其中 MATLAB 會(huì)展示所有的操作層，每一層都給出了層級(jí)名、操作類型和層級(jí)參數(shù)等關(guān)鍵信息。例如第二個(gè)操作層『conv1』表示一個(gè)卷積運(yùn)算，該運(yùn)算采用了 96 個(gè)卷積核，每一個(gè)卷積核的尺寸為 11×11×3、步幅為 4，該卷積運(yùn)算采用了padding。

這種描述不僅有利于我們了解整個(gè)神經(jīng)網(wǎng)絡(luò)的架構(gòu)，同時(shí)還有助于調(diào)整架構(gòu)以匹配特定的任務(wù)。由上可知最后的全連接層、softmax 層和分類輸出層是與 ImageNet 任務(wù)相關(guān)聯(lián)的配置，因此我們需要去除這三個(gè)層級(jí)并重新構(gòu)建與當(dāng)前任務(wù)相關(guān)聯(lián)的層級(jí)。MATLAB 可以十分簡(jiǎn)潔地實(shí)現(xiàn)這一過程：layersTransfer =net.Layers(1:end-3);numClasses =numel(categories(trainingImages.Labels))layers =[layersTransferfullyConnectedLayer(numClasses,'WeightLearnRateFactor',20,'BiasLearnRateFactor',20)softmaxLayerclassificationLayer];

由上面的代碼可知我們只提取了 AlexNet 預(yù)訓(xùn)練模型的前 22 層，而后依次新建了全連接層、softmax 層和分類輸出層。完成整個(gè)層級(jí)重構(gòu)后，剩下的就只需使用以下代碼訓(xùn)練新的模型。其中 trainingImages 為當(dāng)前任務(wù)的訓(xùn)練樣本、layers 為前面修正的層級(jí)，而 options 是我們?cè)O(shè)置的一組訓(xùn)練參數(shù)，包括優(yōu)化算法、最小批量大小、初始化學(xué)習(xí)率、繪制訓(xùn)練過程和驗(yàn)證集配置等設(shè)定。

由上，我們發(fā)現(xiàn) MATLAB 的深度學(xué)習(xí)代碼非常簡(jiǎn)潔，調(diào)用高級(jí) API 能快速完成模型的搭建。陳建平說：「MATLAB 上的高級(jí) API 是一個(gè)完整的體系，它們完全是針對(duì)深度學(xué)習(xí)而設(shè)計(jì)的。當(dāng)然我們還是會(huì)用基礎(chǔ)的運(yùn)算，因?yàn)?MATLAB 這么多年的累積可以充分體現(xiàn)在基礎(chǔ)運(yùn)算上，但是深度學(xué)習(xí)這一套高級(jí) API 確實(shí)是新設(shè)計(jì)的?！?

其實(shí)不只是 AlexNet，很多 Caffe 模型都能夠?qū)氲?MATLAB。那么，MATLAB 為什么會(huì)選擇 Caffe 作為對(duì)接的深度學(xué)習(xí)框架，而不是近來十分流行的 TensorFlow?

4、訓(xùn)練與推斷

對(duì)于模型訓(xùn)練來說，最重要的可能就是能支持大規(guī)模分布式訓(xùn)練。因?yàn)槟壳暗纳疃饶Ｐ投加蟹浅６嗟膮?shù)和層級(jí)，每一次正向或反向傳播都擁有海量的矩陣運(yùn)算，所以這就要求 MATLAB 能高效地執(zhí)行并行運(yùn)算。當(dāng)然，我們知道 MATLAB 在并行運(yùn)算上有十分雄厚的累積，那么在硬件支持上，目前其支持 CPU 和 GPU 之間的自動(dòng)選擇、單塊 GPU、本地或計(jì)算機(jī)集群上的多塊 GPU。此外，由于近來采用大批量 SGD 進(jìn)行分布式訓(xùn)練的方法取得了十分優(yōu)秀的結(jié)果，我們可以使用 MATLAB 調(diào)用整個(gè)計(jì)算機(jī)集群上的 GPU，并使用層級(jí)對(duì)應(yīng)的適應(yīng)率縮放(Layer-wise Adaptive Rate Scaling/LARS)那樣的技術(shù)快速完成整個(gè)模型的訓(xùn)練。

在模型訓(xùn)練中，另外一個(gè)比較重要的部分就是可視化，我們需要可視化整個(gè)訓(xùn)練過程中的模型準(zhǔn)確度、訓(xùn)練損失、驗(yàn)證損失、收斂情況等信息。當(dāng)然 MATLAB 一直以來就十分重視可視化，在上例執(zhí)行遷移學(xué)習(xí)時(shí)，我們也能得到整個(gè)訓(xùn)練過程的可視化信息。如下所示，上部分為訓(xùn)練準(zhǔn)確度和驗(yàn)證準(zhǔn)確度隨迭代數(shù)的變化趨勢(shì)，下部分為訓(xùn)練損失和驗(yàn)證損失隨迭代數(shù)的變化趨勢(shì)，該遷移學(xué)習(xí)基本上到第 3 個(gè) epoch 就已經(jīng)收斂。

對(duì)于推斷來說，新產(chǎn)品 GPU Coder 可自動(dòng)將深度學(xué)習(xí)模型轉(zhuǎn)換為 NVIDIA GPU 的 CUDA 代碼。內(nèi)部基準(zhǔn)測(cè)試顯示，GPU Coder 產(chǎn)生的 CUDA 代碼，比 TensorFlow 的性能提高 7 倍，比 Caffe2 的性能提高 4.5 倍。

5、模型部署

在 MATLAB 部署模型其實(shí)也很簡(jiǎn)單，MATLAB 很早就支持生成獨(dú)立于其開發(fā)環(huán)境的其它語言，比如利用 MATLAB Coder 可以將 MATLAB 代碼轉(zhuǎn)換為 C 或 C++代碼。而該最新版提供了新的工具 GPU Coder，我們能利用它將生成的 CUDA 代碼部署到 GPU 中并進(jìn)行實(shí)時(shí)處理，這一點(diǎn)對(duì)于應(yīng)用場(chǎng)景是極其重要的。