매스웍스는 딥 러닝 기능이 강화된 매트랩(MATLAB)·시뮬링크(Simulink) 2017b를 출시한다고 밝혔다.
R2017b에는 매트랩·시뮬링크의 새로운 기능, 신제품 6개 및 기타 86개 제품에 대한 업데이트 및 버그 수정이 포함됐으며, 엔지니어, 연구원 및 기타 도메인 전문가가 모델을 설계, 교육 및 배포하는 방식을 간소화하는 새로운 딥 러닝 주요 기능이 추가됐다.
특히 눈에 띄는 내용은 딥 러닝 모델을 엔비디아(NVIDIA) GPU용 쿠다(CUDA) 코드로 자동 변환하는 GPU 코더 기능의 추가다. 내부 벤치마크 결과에 따르면 딥 러닝 추론용으로 생성된 코드는 배포된 모델에서 카페2(Caffe2)보다 성능이 최대 4.5배 향상됐으며, 텐서플로우(TensorFlow)보다 성능이 7배 향상됐다. 이를 활용하면 1억 라인이 넘는 자동차 소프트웨어의 코드 생성도 빠르고 편리하게 할 수 있다.
또한 컴퓨터 비전 시스템 툴박스(Computer Vision System Toolbox)의 이미지 라벨러(Image Labeler) 앱에서는 연속적 이미지에서 지상 실측 데이터에 레이블을 지정하는 편리한 대화형 방식을 제공한다. 컴퓨터 비전 시스템 툴박스는 객체 감지 워크플로 외에도, 딥 러닝을 사용해 이미지의 픽셀 영역을 분류하고 분할 결과를 평가 및 시각화할 수 있는 시맨틱 분할(Symantic Segmentation)을 지원한다.
뉴럴 네트워크 툴박스(Neural Network Toolbox)에는 방향성 비사이클 그래프(DAG) 및 장단기메모리(LSTM) 네트워크를 비롯한 복합 아키텍처에 대한 지원이 추가됐으며, 구글넷(GoogLeNet) 등의 잘 알려진 사전 학습 모델에 액세스할 수 있다.
R2017a에 도입된 기능과 더불어 사전 학습 모델은 알렉스넷(AlexNet), VGG-16 및 VGG-19를 포함한 컨벌루션 신경망(CNN: Convolutional Neural Network) 모델은 물론, Caffe Model Zoo를 포함한 카페(Caffe) 모델 등의 전이 학습에 사용할 수 있다. CNN을 사용한 이미지 분류, 객체 감지 및 회귀 등의 여러 모델링도 처음부터 개발할 수 있다.
