文自：西班牙马德里卢卡斯·加西亚 Lucas García <数学家，机器学习>

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

文章总结了10个MATLAB R2021b版本推出的新功能，大家一起来看看MATLAB R2021b新功能:

1. 在实时编辑器中导出动画

使用实时编辑器导出动画变容易。

可以简单地通过使用新的导出动画按钮，将动画导出为视频或gif。

点击图片播放从MATLAB导出的动画

2. 测试类模板

测试代码是开发高质量软件不可分割的一部分。

对我来说，测试就像呼吸。

如果你不(充分)测试你的代码，它最终会消亡。

使用MATLAB中现有的测试框架，您可以编写单元测试，进行性能测试，测试你的应用程序，或者使用mock对象替换依赖的部分，从而单独测试完整系统中的一个部分。

MATLAB R2021b包括一个TestCase类模板来加速您的测试的创建。你需要在首页、编辑器或实时编辑器标签页中打开“新建>测试类”：

新测试类

这会打开下面的模板，这样你就可以更方便地创建测试：

TestCase模板

有趣的是，模板中出现的默认测试类会立即失败，因此您可以开始实现测试和代码。

此外，它还包括几个方法块（TestClassSetup、TestMethodSetup和Test）来开始定制您的测试。

我的同事Heather Gorr博士有一篇精彩的演讲，她在演讲中涉及了测试驱动开发以及其他主题：

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

3. 全新的实时任务Live Tasks

我必须承认我不经常使用Live Tasks。

然而，每次我这么做，都让我脑洞大开。这个新版本将Compute by group和Normalize Data实时任务引入MATLAB，并将Cluster Data实时任务引入统计和机器学习工具箱。其中，我最喜欢的，可能也是由于用户体验，就是Compute by group。对每个组进行数据分组、统计计算、转换或过滤操作，对于这个实时任务来说是再简单不过了。当然，它还能自动为您生成MATLAB代码。

你可以自己看看它是如何运作的：（GIF动画）

按组计算实时任务

4. 为ROS节点生成优化过的CUDA代码

在过去，将GPU Coder为深度神经网络生成的CUDA代码引入ROS节点的过程令我深受折磨。

这需要手动地将生成的库集成到一个手写的C++ ROS节点中。

在这个版本的ROS Toolbox中，您现在可以直接从您的Simulink模型中为ROS节点生成和部署优化过的CUDA代码。简单而美丽。

自己体验这个示例吧： Lane and Vehicle Detection example.

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

5. BackgroundPool

我经常收到来自MATLAB用户的反馈，他们想要异步运行代码，这迫使他们使用并行计算工具箱。

通常，MATLAB在运行计算时得暂停对其它操作的响应。

如果你正在开发一个应用程序，这可能会影响它的交互性。

无需再提，Parallel Computing Toolbox（mathworks.com/products/parallel-computing.html）为广泛的并行编程范式、GPU计算提供了API，并为集群和HPC（包括Hadoop或Spark这样的大数据框架）提供了API。

虽然访问并行计算工具箱会有额外的好处（获得更多的基础线程），MATLAB用户现在可以在MATLAB主进程中以一个线程的方式运行单个任务。

这就有了异步工作流（使用backgroundPool（mathworks.com/help/matlab/ref/parallel.backgroundpool.html）打开池，然后使用parfeval【mathworks.com/help/matlab/ref/parfeval.html】在后台运行你的函数）。

你可以点这里【mathworks.com/help/matlab/matlab_prog/use-the-background-to-make-your-apps-more-responsive.html】查看一个样例程序，如何利用 backgroundPool 让你的应用程序可以随时响应界面操作。

6. PointNet++

有关PointNet和PointNet++的文章（1, 2），我已经仔细阅读过。

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

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

有一天我可能会针对这两篇论文发篇文章，说明为什么PointNet++是分割点云数据的绝佳选择。

但是现在，您不再需要弄清楚如何在MATLAB中使用深度学习自定义框架来创建PointNet++网络（就像在R2021a中的情况一样），

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

例如，你将能藉此解决航空激光雷达的点云数据的语义分割问题：

使用PointNet++进行语义分割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