MATLAB fournit un flux de travail complet pour la formation rapide, la validation et le déploiement du modèle d'apprentissage en profondeur. Les ingénieurs peuvent utiliser les ressources GPU, sans opération de programmation supplémentaire, vous pouvez vous concentrer sur l'application elle-même plutôt que l'optimisation des performances. NVIDIA TensorRT avec le nouveau GPU Coder l'intégration peut être développée de telle sorte que la profondeur du modèle d'apprentissage dans MATLAB, une faible latence et de manière à haut débit déployé GPU NVIDIA série sur. benchmarks internes montrent un code Matlab en combinaison avec le modèle généré CUDA TensorRT, le déploiement profondeur inférence apprentissage lorsque Alexnet , 5 fois plus élevé que la performance tensorflow élevé, le raisonnement de l'étude approfondie VGG-16 performances de déploiement de modèle * 1,25 fois plus élevé que tensorflow.
«L'évolution des images, de la voix, des capteurs et de la technologie de l'Internet des objets (IoT) a incité les équipes à étudier les solutions d'intelligence artificielle avec de meilleures performances et efficience, de plus en plus complexes. "Les équipes peuvent désormais utiliser MATLAB pour former des modèles d'apprentissage en profondeur: les GPU NVIDIA peuvent déployer un raisonnement en temps réel dans divers environnements, du cloud au centre de données en passant par les périphériques embarqués".