文自：西班牙馬德里盧卡斯·加西亞 Lucas García <數(shù)學(xué)家，機器學(xué)習>

My favorite features in MATLAB R2021b/Exploring some of the new features in yet another interesting software release

文章總結(jié)了10個MATLAB R2021b版本推出的新功能，大家一起來看看MATLAB R2021b新功能:

1. 在實時編輯器中導(dǎo)出動畫

使用實時編輯器導(dǎo)出動畫變?nèi)菀住?/p>

可以簡單地通過使用新的導(dǎo)出動畫按鈕，將動畫導(dǎo)出為視頻或gif。

點擊圖片播放從MATLAB導(dǎo)出的動畫

2. 測試類模板

測試代碼是開發(fā)高質(zhì)量軟件不可分割的一部分。

對我來說，測試就像呼吸。

如果你不(充分)測試你的代碼，它最終會消亡。

使用MATLAB中現(xiàn)有的測試框架，您可以編寫單元測試，進行性能測試，測試你的應(yīng)用程序，或者使用mock對象替換依賴的部分，從而單獨測試完整系統(tǒng)中的一個部分。

MATLAB R2021b包括一個TestCase類模板來加速您的測試的創(chuàng)建。你需要在首頁、編輯器或?qū)崟r編輯器標簽頁中打開“新建>測試類”：

新測試類

這會打開下面的模板，這樣你就可以更方便地創(chuàng)建測試：

TestCase模板

有趣的是，模板中出現(xiàn)的默認測試類會立即失敗，因此您可以開始實現(xiàn)測試和代碼。

此外，它還包括幾個方法塊（TestClassSetup、TestMethodSetup和Test）來開始定制您的測試。

我的同事Heather Gorr博士有一篇精彩的演講，她在演講中涉及了測試驅(qū)動開發(fā)以及其他主題：

Would you trust your model with your life? Research vs. reality in AI

3. 全新的實時任務(wù)Live Tasks

我必須承認我不經(jīng)常使用Live Tasks。

然而，每次我這么做，都讓我腦洞大開。這個新版本將Compute by group和Normalize Data實時任務(wù)引入MATLAB，并將Cluster Data實時任務(wù)引入統(tǒng)計和機器學(xué)習工具箱。其中，我最喜歡的，可能也是由于用戶體驗，就是Compute by group。對每個組進行數(shù)據(jù)分組、統(tǒng)計計算、轉(zhuǎn)換或過濾操作，對于這個實時任務(wù)來說是再簡單不過了。當然，它還能自動為您生成MATLAB代碼。

你可以自己看看它是如何運作的：（GIF動畫）

按組計算實時任務(wù)

4. 為ROS節(jié)點生成優(yōu)化過的CUDA代碼

在過去，將GPU Coder為深度神經(jīng)網(wǎng)絡(luò)生成的CUDA代碼引入ROS節(jié)點的過程令我深受折磨。

這需要手動地將生成的庫集成到一個手寫的C++ ROS節(jié)點中。

在這個版本的ROS Toolbox中，您現(xiàn)在可以直接從您的Simulink模型中為ROS節(jié)點生成和部署優(yōu)化過的CUDA代碼。簡單而美麗。

自己體驗這個示例吧： Lane and Vehicle Detection example.

mathworks.com/help/ros/ug/lane-and-vehicle-detection-in-ros-using-yolov2-deep-learning-algorithm.html

5. BackgroundPool

我經(jīng)常收到來自MATLAB用戶的反饋，他們想要異步運行代碼，這迫使他們使用并行計算工具箱。

通常，MATLAB在運行計算時得暫停對其它操作的響應(yīng)。

如果你正在開發(fā)一個應(yīng)用程序，這可能會影響它的交互性。

無需再提，Parallel Computing Toolbox（mathworks.com/products/parallel-computing.html）為廣泛的并行編程范式、GPU計算提供了API，并為集群和HPC（包括Hadoop或Spark這樣的大數(shù)據(jù)框架）提供了API。

雖然訪問并行計算工具箱會有額外的好處（獲得更多的基礎(chǔ)線程），MATLAB用戶現(xiàn)在可以在MATLAB主進程中以一個線程的方式運行單個任務(wù)。

這就有了異步工作流（使用backgroundPool（mathworks.com/help/matlab/ref/parallel.backgroundpool.html）打開池，然后使用parfeval【mathworks.com/help/matlab/ref/parfeval.html】在后臺運行你的函數(shù)）。

你可以點這里【mathworks.com/help/matlab/matlab_prog/use-the-background-to-make-your-apps-more-responsive.html】查看一個樣例程序，如何利用 backgroundPool 讓你的應(yīng)用程序可以隨時響應(yīng)界面操作。

6. PointNet++

有關(guān)PointNet和PointNet++的文章（1, 2），我已經(jīng)仔細閱讀過。

mathinking.github.io/blog/en/my-favorite-features-matlab-r2021b/#pointnet

mathinking.github.io/blog/en/my-favorite-features-matlab-r2021b/#pointnetplusplus

有一天我可能會針對這兩篇論文發(fā)篇文章，說明為什么PointNet++是分割點云數(shù)據(jù)的絕佳選擇。

但是現(xiàn)在，您不再需要弄清楚如何在MATLAB中使用深度學(xué)習自定義框架來創(chuàng)建PointNet++網(wǎng)絡(luò)（就像在R2021a中的情況一樣），

有pointnetplusplusLayers就可以了。mathworks.com/help/lidar/ref/pointnetpluslayers.html

例如，你將能藉此解決航空激光雷達的點云數(shù)據(jù)的語義分割問題：

使用PointNet++進行語義分割mathworks.com/help/lidar/ug/aerial-lidar-segmentation-using-pointnet-network.html

Charles R. Qi, Hao Su, Kaichun Mo and Leonidas J. Guibas, “PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation”, 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017 https://arxiv.org/abs/1612.00593v2Charles R. Qi, Li Yi, Hao Su, and Leonidas J. Guibas. “PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space”, ArXiv:1706.02413 [Cs], June 7, 2017. https://arxiv.org/abs/1706.02413