MathWorks

ディープラーニング機能を拡張したMATLAB／Simulinkの最新版「Release 2018b」

MathWorksは、MATLAB／Simulink製品ファミリーの最新版「Release 2018b」を発表した。Release 2018bでは、製品ファミリー全体にわたる新機能追加やバグ修正が行われた他、ディープラーニングに関する機能が大幅に強化された。

公開 2018年09月28日 07時00分

著者

八木沢篤

[TechFactory]

印刷する連載新着通知を受け取る

　MathWorksは2018年9月19日、MATLAB／Simulink製品ファミリーの最新版「Release 2018b」を発表した。Release 2018bでは、製品ファミリー全体にわたる新機能追加やバグ修正が行われた他、ディープラーニングに関する機能が大幅に強化された。

　「Neural Network Toolbox」に代わる新しい「Deep Learning Toolbox」では、技術者や科学者にディープニューラルネットワークの設計と実装のためのフレームワークを提供する。

　画像処理、コンピュータビジョン、信号処理およびシステム関連の技術者は、MATLABを使用することで、複雑なネットワークアーキテクチャをより容易に設計できるようになり、ディープラーニングモデルのパフォーマンスを改善することが可能になるという。

◎「組み込みAI」関連記事～活用事例、課題、メリット、動向～など

&raquo 本気で「AIマーケット」を狙う半導体ベンダー

&raquo インテルとAIとFPGAの関係、「組み込みAI」普及の施策

&raquo ET2017にみる「組み込みAI」への遠い道のり

&raquo 組み込みAIを加速させるARMの画像処理プロセッサ

&raquo 稼働中の産業機器にAIを「追加」で実装、組み込みAIを実現

⇒ 新着記事をチェックする

ディープラーニングワークフローの生産性と使いやすさを改善

　同社は2018年7月、相互運用性への取り組みを示すために、ONNXコミュニティーへの参加を表明。MATLABユーザーと他のディープラーニングフレームワークとの間のコラボレーションを実現した。今回発表されたRelease 2018bの新しいONNXコンバーターを使用することで、PyTorch、MxNet、TensorFlowといったフレームワークからモデルをインポート／エクスポートすることが可能。この相互運用性の実現により、MATLABで学習されたモデルを他のフレームワークで使用できる。

　同様に、他のフレームワークで学習されたモデルをMATLABに取り込んで、デバッグ、検証、組み込み配布などのタスクを実行することもできる。さらに、Release 2018bでは、1行のコードでアクセス可能な一連の参照モデルを提供。追加されたモデルインポーターによって、CaffeおよびKeras-Tensorflowからのモデルの使用が可能となる。

　同社は、Release 2018bでディープラーニングワークフローの生産性と使いやすさを、以下の通り改善しているという。

ユーザーが複雑なネットワークアーキテクチャを作成したり、転移学習のために複雑な事前学習済みのネットワークを変更したりできるDeep Network Designerアプリ
NVIDIA GPUクラウド上のMATLAB Deep Learning Containerと、Amazon Web ServicesおよびMicrosoft Azure用のMATLABレファレンスアーキテクチャでクラウドベンダーを支援することにより、デスクトップ機能を超えたネットワークトレーニングパフォーマンスを改善
オーディオ、ビデオ、アプリケーション固有のデータストアのGround Truthラベルアプリケーションを含むドメイン固有のワークフローのサポートを拡張して、大量の収集データでの作業がより容易かつ高速に

　Release 2018bにおけるGPU Coderは、NVIDIAライブラリをサポートし、自動調整、レイヤーフュージョン、バッファーの最小化などの最適化を追加することにより、推定パフォーマンスがさらに改善される。さらに、Intel MKL-DNNおよびArm Compute Libraryを使用し、IntelおよびArmプラットフォームの導入サポートが追加された。

印刷する