MATLAB Release 2017b(R2017b) 今日正式推出，其中包括MATLAB和Simulink的若干新功能、六款新產(chǎn)品以及對其他 86 款產(chǎn)品的更新和修復(fù)補丁。此發(fā)行版還添加了新的重要的深度學習功能，可簡化工程師、研究人員及其他領(lǐng)域?qū)＜以O(shè)計、訓練和部署模型的方式。

隨著智能設(shè)備和物聯(lián)網(wǎng)的發(fā)展，設(shè)計團隊面臨創(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習技能或依賴其他具有深度學習專長但可能不了解應(yīng)用場景的團隊。借助 R2017b，工程和系統(tǒng)集成團隊可以將 MATLAB 拓展用于深度學習，以更好地保持對整個設(shè)計過程的控制，并更快地實現(xiàn)更高質(zhì)量的設(shè)計。可以通過使用預(yù)訓練網(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 可以改進結(jié)果質(zhì)量，同時通過自動化地面實況標記 App 來縮短模型開發(fā)時間。

R2017b中的具體深度學習特性、產(chǎn)品和功能包括：

Neural Network Toolbox增加了對復(fù)雜架構(gòu)的支持，包括有向無環(huán)圖 (DAG) 和長短期記憶 (LSTM) 網(wǎng)絡(luò)，并提供對 GoogLeNet 等流行的預(yù)訓練模型的訪問。

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標記一系列圖像中的地面實況數(shù)據(jù)。除對象檢測工作流程外，該工具箱現(xiàn)在還利用深度學習支持語義分割，對圖像中的像素區(qū)域進行分類，以及評估和可視化分割結(jié)果。

MATLAB深度學習：為自動駕駛的工作流程提供語義分割

新產(chǎn)品GPU Coder可自動將深度學習模型轉(zhuǎn)換為 NVIDIA GPU 的 CUDA 代碼。內(nèi)部基準測試顯示，在部署階段為深度學習模型產(chǎn)生的代碼，比 TensorFlow 的性能提高 7倍，比 Caffe2的性能提高4.5 倍。

注：使用 TitanXP GPU 和 Intel(R) Xeon(R) CPU E5-1650 v4 @ 3.60GHz 對 AlexNet 的推理性能執(zhí)行了內(nèi)部基準測試。使用的軟件版本是 MATLAB(R2017b)、TensorFlow(1.2.0) 和 Caffe2(0.8.1)。每個軟件的 GPU 加速版本用于基準測試。所有測試均在 Windows 10 上運行。

與 R2017a 推出的功能相結(jié)合，可以使用預(yù)訓練模型進行遷移學習，包括卷積神經(jīng)網(wǎng)絡(luò) (CNN) 模型（AlexNet、VGG-16 和 VGG-19）以及來自 Caffe 的模型（包括 Caffe Model Zoo）。可以從頭開始開發(fā)模型，包括使用 CNN 進行圖像分類、對象檢測、回歸等。

其他系列更新：

除深度學習外，R2017b 還包括其他關(guān)鍵領(lǐng)域的一系列更新，包括：

使用 MATLAB 進行數(shù)據(jù)分析：一款新 Text Analytics Toolbox 產(chǎn)品、可擴展數(shù)據(jù)存儲、用于機器學習的更多大數(shù)據(jù)繪圖和算法，以及 Microsoft Azure Blob 存儲支持

使用 Simulink 進行實時軟件建模：對用于軟件環(huán)境的調(diào)度效果進行建模并實現(xiàn)可插入式組件

使用 Simulink 進行驗證和確認：用于需求建模、測試覆蓋率分析和合規(guī)性檢查的新工具

MathWorks是數(shù)學計算軟件領(lǐng)域世界領(lǐng)先的開發(fā)商。它所推出的MATLAB是一種用于算法開發(fā)、數(shù)據(jù)分析、可視化和數(shù)值計算的程序設(shè)計環(huán)境，稱為“科學計算的語言”。Simulink是一種圖形環(huán)境，可用于對多域動態(tài)系統(tǒng)和嵌入式系統(tǒng)進行仿真和基于模型設(shè)計。全球的工程師和科學家們都依賴于MathWorks公司所提供的這些產(chǎn)品系列，來加快在汽車、航空、電子、金融服務(wù)、生物醫(yī)藥以及其他行業(yè)的發(fā)明、創(chuàng)新及開發(fā)的步伐。