MATLAB 2018b comprend une Deep learning Toolbox

MATLAB 2018b comprend une Deep learning Toolbox
Actu IA

Mathworks a dévoilé la nouvelle version de MATLAB. Cette version 2018b comprend une Deep Learning Toolbox. Elle est focalisée sur le développement d’applications d’intelligence artificielle.

La Deep learning Toolbox est une des nouveautés proposées par MATLAB 2018b. Elle a pour objectif de mettre les fonctionnalités de Deep Learning et Machine Learning les plus populaires à la portée des utilisateurs de Matlab, proposant ainsi une suite complète de développement d’IA.

Elle prend ainsi en charge les réseaux de neurones convolutifs (CNN) et les architectures de réseaux de mémoire à court terme (LSTM), la régression sur des données image, texte et séries temporelles.

Cette boite à outil est entre autres composée de Deep Network Designer qui permet d’élaborer de nouveaux modèles de deep learning ou d’utiliser des modèles pré-entraînés, parmi les plus connus, notamment ResNet-101, SqueezeNet, Inception-v3, GoogLeNet ou encore VGG-19. En l’utilisant avec l’application MATLAB Image Labeler, les développeurs pourront afficher et étiqueter des images pour la segmentation sémantique. Parallèlement, il est possible de créer des flux de travail spécifiques à un domaine pour la labellisation d’informations tant pour les images, que les vidéos et les pistes audio.

Cette boîte à outils développée par Mathworks permet d’importer et d’exporter des modèles vers différents frameworks dont TensorFlow, Keras, PyTorch, Caffe et MXNet via ONNIX. À noter que cette version de Matlab supporte également le cloud NVIDIA, la 5G Toolbox, DGX, ainsi que Sensor Fusion et Tracking. De même pour les instances Amazon EC2 P2, P3, G3, Amazon AWS et Microsoft Azure grâce au serveur de calcul distribué MATLAB (MATLAB Distributed Computing Server).

L’outil prend bien sûr en charge l’optimisation GPU CUDA et permet de traiter de grands ensembles de données en ayant recourt à la Parallel Computing Toolbox. Le code généré est déployable sur architecture ARM avec l’ARM Compute Library, Intel via MMKL-DNN et sur NVIDIA Tegra grâce aux bibliothèques NVIDIA. La Deep learning Toolbox permet aussi d’entraîner de grands ensembles de données.