中國北京 – 2017年9月22日 – MathWorks今日推出了Release 2017b（R2017b）,，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(bǔ)丁,。此發(fā)行版還添加了新的重要的深度學(xué)習(xí)功能,，可簡化工程師、研究人員及其他領(lǐng)域?qū)＜以O(shè)計,、訓(xùn)練和部署模型的方式,。

　　深度學(xué)習(xí)支持

　　R2017b中的具體深度學(xué)習(xí)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(xùn)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(biāo)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(xué)習(xí)支持語義分割、對圖像中的像素區(qū)域進(jìn)行分類,，以及評估和可視化分割結(jié)果,。

　　·新產(chǎn)品GPU Coder可自動將深度學(xué)習(xí)模型轉(zhuǎn)換為NVIDIA GPU的CUDA代碼。內(nèi)部基準(zhǔn)測試顯示,，在部署階段為深度學(xué)習(xí)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,。*

　　圖示：MATLAB深度學(xué)習(xí)——為自動駕駛的工作流程提供語義分割

　　與R2017a推出的功能相結(jié)合，可以使用預(yù)訓(xùn)練模型進(jìn)行遷移學(xué)習(xí),，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）?？梢詮念^開始開發(fā)模型,，包括使用CNN進(jìn)行圖像分類、對象檢測,、回歸等,。

　　“隨著智能設(shè)備和物聯(lián)網(wǎng)的發(fā)展，設(shè)計團(tuán)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(xué)習(xí)技能或依賴其他具有深度學(xué)習(xí)專長但可能不了解應(yīng)用場景的團(tuán)隊,，”MathWorks的MATLAB市場營銷總監(jiān)David Rich表示,，“借助R2017b，工程和系統(tǒng)集成團(tuán)隊可以將MATLAB拓展用于深度學(xué)習(xí),，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。他們可以使用預(yù)訓(xùn)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(jìn)結(jié)果質(zhì)量,，同時通過自動化地面實況標(biāo)記App來縮短模型開發(fā)時間,。”

　　其他更新

　　除深度學(xué)習(xí)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(jìn)行數(shù)據(jù)分析

　　o一款新 Text Analytics Toolbox 產(chǎn)品、可擴(kuò)展數(shù)據(jù)存儲,、用于機(jī)器學(xué)習(xí)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(jìn)行實時軟件建模

　　o對用于軟件環(huán)境的調(diào)度效果進(jìn)行建模并實現(xiàn)可插入式組件

　　·使用 Simulink 進(jìn)行驗證和確認(rèn)

　　o用于需求建模、測試覆蓋率分析和合規(guī)性檢查的新工具