310948: CF1912H. Hypercatapult Commute

该网页是 MathWorks 的 Deep Learning Toolbox 文档页面。这个页面主要介绍了 Deep Learning Toolbox 的功能和用途。这个工具箱为设计、实现和模拟深度神经网络提供了一系列的函数、应用程序和 Simulink 块。它支持创建和使用多种类型的网络，如卷积神经网络（CNNs）和变换器。用户可以可视化并解释网络预测，验证网络属性，并使用量化、投影或剪枝来压缩网络。

Deep Network Designer 应用程序允许用户以交互方式设计、编辑和分析网络，导入预训练模型，并将网络导出到 Simulink。该工具箱还支持与其他深度学习框架的互操作性，可以导入 PyTorch、TensorFlow 和 ONNX 模型进行推理、迁移学习、模拟和部署，也可以将模型导出到 TensorFlow 和 ONNX。

此外，该工具箱还可以为训练好的网络自动生成 C/C++、CUDA 和 HDL 代码。

网页还提供了关于如何开始使用 Deep Learning Toolbox 的基本指南，以及如何将其应用于计算机视觉、图像处理、自动驾驶、信号、音频、文本分析和计算金融等领域。还介绍了使用该工具箱进行图像分类和回归、序列和表格数据分类、回归和预测的神经网络创建和训练的工作流程。该网页是 MathWorks 的 Deep Learning Toolbox 文档页面。这个页面主要介绍了 Deep Learning Toolbox 的功能和用途。这个工具箱为设计、实现和模拟深度神经网络提供了一系列的函数、应用程序和 Simulink 块。它支持创建和使用多种类型的网络，如卷积神经网络（CNNs）和变换器。用户可以可视化并解释网络预测，验证网络属性，并使用量化、投影或剪枝来压缩网络。 Deep Network Designer 应用程序允许用户以交互方式设计、编辑和分析网络，导入预训练模型，并将网络导出到 Simulink。该工具箱还支持与其他深度学习框架的互操作性，可以导入 PyTorch、TensorFlow 和 ONNX 模型进行推理、迁移学习、模拟和部署，也可以将模型导出到 TensorFlow 和 ONNX。 此外，该工具箱还可以为训练好的网络自动生成 C/C++、CUDA 和 HDL 代码。 网页还提供了关于如何开始使用 Deep Learning Toolbox 的基本指南，以及如何将其应用于计算机视觉、图像处理、自动驾驶、信号、音频、文本分析和计算金融等领域。还介绍了使用该工具箱进行图像分类和回归、序列和表格数据分类、回归和预测的神经网络创建和训练的工作流程。