Déploiement de modèles de Deep Learning | Deep Learning pour les ingénieurs, partie 5

Cette vidéo présente d’autres tâches et considérations que vous devez prendre en compte une fois que vous disposez d’un réseau neuronal profond capable de classer les données. Ce que nous devons considérer, c’est qu’un réseau bien formé fait généralement partie d’un grand système et doit être intégré à la conception. Nous voulons également être certains que le modèle peut fonctionner normalement sur des données invisibles et peut interagir avec d’autres composants du système comme prévu. À terme, nous espérons également le déployer sur des appareils cibles qui nécessitent certaines caractéristiques de performances. Veuillez consulter les autres liens suivants: • Exemples d’apprentissage profond MATLAB: • 5 raisons d’utiliser MATLAB pour l’apprentissage profond: • Premiers pas avec le concepteur de réseaux profonds: • Quantification des réseaux neuronaux profonds: • Contrôle PI multi-boucles du bras du robot: • Déploiement à l’aide de MATLAB Coder et GPU Coder sur un réseau de neurones profonds GPU et CPU: • Boîte à outils HDL d’apprentissage profond: —————————- – ———————————————— – ———————— Obtenez une version d’essai gratuite du produit: en savoir plus sur MATLAB: en savoir plus sur Simulink: en savoir plus sur MATLAB et les nouvelles fonctionnalités dans Simulink: © 2021 MathWorks, Inc. MATLAB et Simulink sont des marques déposées de The MathWorks, Inc. Pour obtenir la liste des autres marques, consultez le site www.mathworks.com/trademarks. Les autres noms de produits ou de marques peuvent être des marques commerciales ou des marques déposées de leurs propriétaires respectifs. .