MATLAB R2017b(数学软件) Mac v9.3 苹果电脑版

MATLAB R2017b Mac v9.3 是一款强大的数学软件，专为苹果电脑打造。它具备丰富的函数库和高效的计算能力，能轻松处理各种复杂数学问题。我最喜欢它的可视化功能，以往分析数据时，只能看着一堆数字干着急，很难直观把握数据特征。有了这个功能，它能快速将数据转化为直观的图表，让数据的趋势和规律一目了然，大大节省了分析时间。

新增功能

Matlab R2017b | 加强深度学习能力以简化设计、训练和部署模型

MATLAB Release 2017b (R2017b) 今日正式推出，其中包括 MATLAB 和 Simulink 的若干新功能、六款新产品以及对其他 86 款产品的更新和修复补丁。此发行版还添加了新的重要的深度学习功能，可简化工程师、研究人员及其他领域专家设计、训练和部署模型的方式。

随着智能设备和物联网的发展，设计团队面临创造更加智能的产品和应用的挑战，他们需要自己掌握深度学习技能或依赖其他具有深度学习专长但可能不了解应用场景的团队。借助 R2017b，工程和系统集成团队可以将 MATLAB 拓展用于深度学习，以更好地保持对整个设计过程的控制，并更快地实现更高质量的设计。可以通过使用预训练网络，协作开发代码和模型，然后部署到 GPU 和嵌入式设备。使用 MATLAB 可以改进结果质量，同时通过自动化地面实况标记 App 来缩短模型开发时间。

R2017b 中的具体深度学习特性、产品和功能包括：

Neural Network Toolbox 增加了对复杂架构的支持，包括有向无环图 (DAG) 和长短期记忆 (LSTM) 网络，并提供对 GoogLeNet 等流行的预训练模型的访问。

Computer Vision System Toolbox 中的 Image Labeler 应用现在提供一种方便和交互的方式来标记一系列图像中的地面实况数据。除对象检测工作流程外，该工具箱现在还利用深度学习支持语义分割，对图像中的像素区域进行分类，以及评估和可视化分割结果。

MATLAB深度学习：为自动驾驶的工作流程提供语义分割

新产品 GPU Coder 可自动将深度学习模型转换为 NVIDIA GPU 的 CUDA 代码。内部基准测试显示，在部署阶段为深度学习模型产生的代码，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 对 AlexNet 的推理性能执行了内部基准测试。使用的软件版本是 MATLAB(R2017b)、TensorFlow(1.2.0) 和 Caffe2(0.8.1)。每个软件的 GPU 加速版本用于基准测试。所有测试均在 Windows 10 上运行。

与 R2017a 推出的功能相结合，可以使用预训练模型进行迁移学习，包括卷积神经网络 (CNN) 模型（AlexNet、VGG-16 和 VGG-19）以及来自 Caffe 的模型（包括 Caffe Model Zoo）。可以从头开始开发模型，包括使用 CNN 进行图像分类、对象检测、回归等。