Mathworks流行的Matlab和Simulink数学软件工具的新发布2018b包括深度学习的重要增强以及所有产品系列的改进。 凭借其新的深度学习工具箱,软件制造商还为神经网络的设计和实现提供了框架。 开发人员正致力于图像处理,计算机视觉和信号处理领域。      MathWorks最近加入了ONNX社区,以促进互操作性并实现Matlab用户与其他深度学习框架之间的协作。 借助R2018b中新的ONNX转换功能,开发人员可以从PyTorch,MxNet和TensorFlow等框架导入和导出模型。 由于这种互操作性,在Matlab中训练的模型也可以用在其他框架中。

同样,在其他框架中训练的模型可以集成到Matlab中,在其中可以执行诸如在嵌入式平台上进行调试,验证和部署的任务。 此外,R2018b提供精心挑选的参考模型,可使用单行代码访问。 其他导入功能允许使用Caffe和Keras-TensorFlow的模型。

借助R2018b,MathWorks为R2018b中的深度学习工作流程提供了更高的用户工作效率和更高的可用性:    Deep Network Designer应用程序,允许用户创建复杂的网络体系结构或修改复杂的预训练网络以进行传输学习。    通过支持云供应商在NVIDIA上使用Matlab Deep Learning Container,为Amazon Web Services和Microsoft Azure提供Matlab参考架构,从而提高网络性能,超越桌面PC功能    增强了对专业工作流程的支持,例如用于音频和视频数据标签的地面实况应用程序以及特定于应用程序的数据存储,可简化和加速大量数据的工作。      随着对R2018b的更新,GPU Coder通过支持NVIDIA库并添加自动调整,层融合和缓冲最小化等优化,进一步增强了推理性能。还包括英特尔MKL-DNN和ARM计算库。      R2018b现已推出,包括代码生成,信号处理和通信以及验证和验证的更新。深度学习工具箱将成功运行神经网络工具箱,它将在未来消失。