只需几行MATLAB代码，无论您是在设计算法、准备和标记数据，还是在生成代码并部署到嵌入式系统，都可以将深度学习融入到应用程序中。
采集和分析信号和时间序列数据
获取、处理和分析图像和视频
定义、培训和部署强化学习策略
将人工智能技术应用于雷达应用
将人工智能技术应用于激光雷达应用
将人工智能技术应用于无线通信应用
应用AI实现机器人应用程序的自主性
构建能够理解人类语言并从中获取信息的人工智能系统
MATLAB使从深度学习模型转移到真实世界的人工智能驱动系统变得容易。
使用交互式应用程序标记、裁剪和识别重要功能，使用内置算法帮助自动化标记过程。
从一整套算法和预构建模型开始，然后使用deep Network Designer应用程序创建和修改深度学习模型。
通过将深度学习模型包含在系统级Simulink仿真中来测试它们。测试难以在硬件上测试的边缘案例场景。了解深度学习模型如何影响整个系统的性能。
在嵌入式系统、企业系统、FPGA设备或云上部署经过培训的模型。从Intel生成代码®，NVIDIA公司®、和ARM®库来创建具有高性能推理速度的可部署模型。
MATLAB允许您通过导入Tensorflow模型和使用ONNX功能从任何地方访问最新研究。您可以使用预构建模型库，包括NASNet、SqueezeNet、Inception-v3和ResNet-101。从MATLAB调用Python，反之亦然，您可以与使用开放源码的同事协作。
了解更多信息
无论您是深度学习新手还是寻找端到端工作流，请浏览这些MATLAB资源以帮助您完成下一个项目。
选择网站
选择一个网站以获取可用的翻译内容，并查看当地活动和优惠。根据您的位置，我们建议您选择：.
您还可以从以下列表中选择网站
如何获得最佳站点性能
选择中国网站（中文或英文）以获得最佳网站性能。其他MathWorks国家网站未针对您所在地的访问进行优化。
美洲
欧洲
亚太地区
联系当地办事处
