MATLAB fornisce un flusso di lavoro completo per la formazione veloce, la validazione, e la distribuzione di modello di apprendimento profondo. Gli ingegneri possono usare le risorse della GPU, senza funzionamento programmazione aggiuntiva, in modo da poter concentrarsi sulla domanda stessa, piuttosto che l'ottimizzazione delle prestazioni. NVIDIA TensorRT con la nuova GPU Coder integrazione può essere sviluppato in modo che la profondità del modello di apprendimento in MATLAB, bassa latenza e alta produttività modo distribuito corsa su NVIDIA GPU. benchmark interni mostrano, MATLAB codice in combinazione con il generato CUDA TensorRT, apprendimento inferenza profondità modello di distribuzione quando Alexnet , 5 volte superiore al rendimento elevato tensorflow; approfondimento ragionamento VGG-16 modello prestazioni distribuzione * 1,25 volte superiore tensorflow.
'Evoluzione delle immagini, la voce, i sensori e l'Internet of Things (IoT) team di tecnici, al fine di promuovere una migliore prestazioni e l'efficienza della ricerca in soluzioni di intelligenza artificiale. Inoltre, la profondità dei modelli di apprendimento diventano più complessi, ognuno dei quali ha dato ingegneri a una pressione tremenda, 'ha detto il direttore David Rich MathWorks.' ora, la squadra può utilizzare la formazione MATLAB modello di apprendimento profondo, NVIDIA GPU in tempo reale ragionamento può essere implementato in una varietà di ambienti come ad esempio i dispositivi di ultima incorporati dalla nube al data center al '.