中國(guó)北京 – 2017年9月22日 – MathWorks今日推出了Release 2017b（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。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。

　　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(wú)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(lái)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(yǔ)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。*

　　圖示：MATLAB深度學(xué)習(xí)——為自動(dòng)駕駛的工作流程提供語(yǔ)義分割

　　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(lái)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(lái)縮短模型開發(fā)時(shí)間?！?/p>

　　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