MATLAB обеспечивает полный рабочий процесс для быстрой подготовки, проверки и развертывания моделей глубокого обучения. Инженеры могут использовать ресурсы графического процессора без дополнительного программирования, поэтому они могут сосредоточиться на самом приложении, а не на настройке производительности. Новые возможности для NVIDIA TensorRT и GPU Coder Интеграция позволяет разрабатывать модели глубокого обучения в MATLAB, а затем развертывать их на графических процессорах NVIDIA с высокой пропускной способностью и низкой задержкой. Внутренние тесты показывают, что код CUDA, генерируемый MATLAB, объединяется с TensorRT для развертывания моделей Alexnet для глубокого изучения , производительность в 5 раз выше, чем TensorFlow, производительность в 1,25 раза выше, чем TensorFlow при развертывании модели VGG-16 для глубокого изучения.
«Развитие технологий изображений, голоса, сенсоров и Интернета (IoT) побудило команды исследовать решения искусственного интеллекта с лучшей производительностью и эффективностью. Кроме того, модели глубокого обучения стали все более сложными. Все они предоставляются инженерам. Было огромное давление », - сказал директор MathWorks Дэвид Рич.« Теперь команды могут использовать MATLAB для обучения моделям глубокого обучения. Графические процессоры NVIDIA могут развертывать рассуждения в режиме реального времени в различных средах от облачного до центра обработки данных до встроенных периферийных устройств ».