【Matlab】最新版2025a发布,深色模式、Copilot编程助手上线!

【Matlab】最新版2025a发布,深色模式、Copilot编程助手上线!

文章目录


🟠现在可能无法登录或者注册mathworks(写这句话的时间:2025-05-20):

最近当你登录或者注册账号的时候会显示:no healthy upstream,很多人都遇到了这个问题,我在reddit上看到了mathworks官方的回答:确实有这个问题,正在恢复,不知道要几天咯,大家先用旧版本吧。

在这里插入图片描述


已经近10天了,原因是:遭受勒索软件攻击

在这里插入图片描述

延迟一个月,终于发布了🤭。

一、软件安装

1.1 系统配置要求

现在的电脑都没问题,老电脑就升级一下内存和硬盘嘛。

类别需求
操作系统Windows 11 (22H2 或更高版本) , Windows 10 (22H2), Windows Server 2022
处理器最小值:任何具有两个或更多核心的 Intel 或 AMD x86-64 处理器
建议值:任何具有四个或更多核心且支持 AVX2 指令集的 Intel 或 AMD x86-64 处理器
注意:MATLAB 的未来版本将需要支持 AVX2 指令集的处理器
内存 (RAM)最小值:8 GB
建议值:16 GB
存储空间仅安装 MATLAB:4.2 GB
一般安装:4-6 GB
所有产品安装:24 GB
强烈建议使用 SSD
图形卡 (Graphics)建议使用支持 WebGL 2.0 且至少有 2 GB 内存的 GPU,以实现高性能的图形渲染。
没有 GPU 的电脑上的图形性能可能会降低。
使用 Parallel Computing Toolbox 的 GPU 加速需要具有特定计算能力的 GPU。 有关更多信息,请参阅 GPU 计算要求。

💻Mac和Linux的https://www.mathworks.com/support/requirements/matlab-system-requirements.html

1.2 安装

🟢如果你是学生或者老师,请用你的教育邮箱来获取免费的Matlab应用,而不是去哪些公众号下载破解版。

理由:

  • 教育邮箱不用也是浪费;
  • 破解版都是包含很多工具箱的,最后的安装体积会很大,20多GB,但大部分你用不到(当然那个好像也可以选择,不过默认是全选,忘记了),如5G、DSP、嵌入式、ROS等等,后面你需要哪个再下载即可;
  • 安装工具箱方便:不用去File exchange下载,直接在App中完成;
  • 更新方便;
  • 安全稳定;
  • 尊重知识产权等等。

自己拿教育邮箱在mathworks登录,然后选择所需版本,下载即可。

我推荐你下载最新版本,新版本功能更强大,函数会改进和更新,界面会更友好,代码提示,帮助文档啥的都更好。

没必要为了运行别人那些低版本代码而使用老版本,自己看看帮助文档,写就是了。最新版本,你问AI的话,回答里面可能会有少许内容是错误的(知识库没更新),所以要学会自己看文档,说明书比啥都好用。
很多软件包括电脑系统,我都推荐使用较新的版本,较新版本功能更强大,还会修复错误。

🔗官网:https://www.mathworks.com

在这里插入图片描述


教育邮箱登录,然后Get MATLAB,即可下载。

在这里插入图片描述

安装:

下载完安装程序后,新建一个文件夹来安装,安装过程还会登录教育邮箱,登录一下即可。

✅选择工具箱的时候,选择你需要的即可(破解版下面全都勾选了,但没必要)。

不知道需要啥?那就默认即可,后面需要啥工具箱(什么深度学习、金融等等),安装即可。

在这里插入图片描述

我暂时选了5、6个,总大小才十几GB,如果默认的话,应该少于10GB的。

在这里插入图片描述

安装过程会新建一个临时文件夹,安装完成后删除即可,如:D:\_temp_matlab_R2025a_Windows


二、新版功能探索

matlab 官网 new feature 介绍:https://www.mathworks.com/products/new_products/latest_features.html

本文分享一些主要的、(我)常用的更新。

2.1 界面图标和深色主题

Matlab 2025a的界面发生了明显的变化。

首先是图标风格,有点接近Matlab Online的风格,Matlab Online的在线版的Matlab(在线版截至2025-05-15:17:33还是2024b update5这个版本),自己登录mathworks网站就能找到。

在这里插入图片描述

另一个重大更新就是神色主题了,这或许是25a托更一个月的原因。

设置--matlab--外观这里即可设置。

在这里插入图片描述


🟢不过他这个当前行突出显示默认是绿色,有点刺眼,我改成深灰色了,其它颜色也可以自己修改。

各种文本的颜色,可以在:设置---matlab--外观--颜色修改。

当前行背景色,在:设置--编辑器/调试器--显示--突出显示当前行修改。

在这里插入图片描述

深色模式下,做的图背景默认也是深色的(可以选择),下面是保存的图像:

在这里插入图片描述

我目前感觉深色模式能用,但还需要迭代升级。


2.2 MATLAB Copilot AI助手

从上一小节的截图中很容易就会发现MATLAB Copilot,这是2025a很重要的一项更新。

很早之前我就在想,matlab什么时候才能出一个编程助手,这次终于出来了。

暂时还不知道它是基于啥模型开发的。

MATLAB Copilot 为 MATLAB 桌面环境增添了生成式 AI 功能。您可以使用 MATLAB Copilot 学习技术、拓展思路并提高工作效率。您可以向 MATLAB Copilot 寻求编程任务方面的帮助,例如创建、优化和调试 MATLAB 代码。使用 MATLAB Copilot,您可以为任何不熟悉的代码自动生成代码说明,生成并添加注释到代码中,以及生成测试来验证代码的预期行为。

可以在聊天框和Copilot 聊天,就像其它AI那样。支持中文显示。

也可以在代码编辑页面按快捷键:ctrl shift p,来快速编写代码:

在这里插入图片描述

还是挺好用的,感觉自己好像不用思考了😅

2.3 绘图区升级

r如图,多了许多快捷操作的按钮,也是比较常用的(图例、网格等,下拉还有更多选项),最主要的是左边那个“显示代码”,会将根据你的操作生成相应的代码。如果操作后下面的代码没有更新,重新勾选一次即可。

将生成的代码,复制到你的代码里面即可,下次运行就不必手动设置了。

在这里插入图片描述

在格式选项卡下面可以设置绘图的主题,默认与matlab的当前主题一致。

在这里插入图片描述

挺多的:https://www.mathworks.com/help/simulink/release-notes.html

在移动或调整块大小时拉直信号线:

从 R2025a 开始,当移动或调整具有三个或更多端口的模块时,如果连接该模块和附近具有一个或两个端口的模块的信号线被拉直,则在您继续移动或调整模块大小时,该信号线将保持笔直。受影响的信号线将以绿色突出显示。具有分支或 Simscape™ 连接的信号线不受影响。



此功能是对之前功能的扩展,当您拖动或调整具有三个或更多端口的块的大小时,会保留连接到具有一个或两个端口的块的现有短直线。 从 R2025a开始,当您使用键盘移动块时,该功能将被关闭。



使用指针移动或调整模块大小时,按住空格键可以暂时关闭该功能。松开空格键后,该功能将重新启用。要在 MATLAB 会话中关闭该功能,请在Simulink Editor 的“建模”选项卡上,在“环境”下,清除“保留对齐”。要重新启用该功能,请选择“保留对齐”。
在这里插入图片描述

示波器(Scope)也有更新:

Simulink 中的Scope 、Floating Scope 和 Scope Viewer模块拥有全新的用户界面,可用于访问示波器的设置和测量值。示波器现在响应速度更快,性能也得到了提升。使用新的示波器容器可以将多个示波器窗口停靠到一个窗口中,并管理和组织示波器。示波器容器还允许您在一个窗口中查看模型中的所有示波器。

示波器、浮动示波器和示波器查看器块的主要改进包括:简化的用户界面:可从“范围”选项卡轻松访问所有常规范围设置,并从新范围工具条的“测量”选项卡轻松访问所有测量设置 。新的范围容器:单个窗口为模型中的所有范围显示提供统一的视图,使您能够在一个地方管理和组织多个范围。更新的设置面板:更新后的面板整合了作用域的所有常规设置和样式设置。要打开该面板,请点击工具条中“作用域”选项卡中的“设置” 。

如:

在这里插入图片描述
在这里插入图片描述

2.5 更多

还有一些重大更新:绝大多数都不是我能触及到的领域😅,不展开介绍了,感兴趣去官网查阅。

  • 天线工具箱——增强 AIAntenna 功能以支持标量端口和场分析;使用基于 AI 的 SADEA API 优化天线。
  • MATLAB Coder – 使用新的 MATLAB Coder 应用程序生成代码;通过自动并行化提高代码性能。
  • 相控阵系统工具箱——具有可控阵列元素的 RIS 模型;使用新的 TOA/TDOA 位置估计执行双基地定位;设计具有级联组件的高保真 RF 损伤模型。
  • 雷达工具箱——探索用于双基地和多基地雷达的合作和非合作模拟的新型可并行工作流程。
  • 风险管理工具箱——使用一套验证指标来验证信用模型;使用新的 ES 回测支持来回测历史和蒙特卡洛 VaR 或 ES 模型以进行经验分布。
  • RoadRunner – 使用新的 API 以编程方式创建道路场景;使用可捕捉的模板提高生产力;添加高架交叉路口和隧道。
  • RoadRunner 场景——使用新的 API 以编程方式创建汽车场景。
  • 传感器融合和跟踪工具箱——使用跟踪数据导入器应用程序导入和可视化跟踪真实数据;使用目标和传感器的真实数据和标准规范简化多对象跟踪器的调整。

还有很多小的更新,自己下载下来玩一遍就行了。不管什么软件,下载后,把所有的功能、设置啥的都摸一遍。


Read more

Ollama下载模型太慢?试试国内HuggingFace镜像+LLama-Factory组合

Ollama下载模型太慢?试试国内HuggingFace镜像+LLama-Factory组合 在本地跑一个大模型,第一步不是写代码、调参数,而是——等它下载完。 这听起来有点荒诞,却是许多中国开发者的真实日常。当你兴致勃勃地打开终端,输入 ollama run llama3:8b,满心期待地准备开启微调之旅时,现实却给你泼了一盆冷水:进度条纹丝不动,网络连接频繁中断,几个小时过去连基础权重都没拉下来。 问题出在哪?根源就在于——Ollama 默认从 HuggingFace 官方仓库拉取模型,而这个服务器远在海外。对于国内用户来说,这无异于“越洋取经”,不仅速度慢如龟爬,还常因网络波动导致失败重试,白白浪费时间和算力资源。 但其实,我们完全不必硬扛这条路。真正聪明的做法是:绕开公网瓶颈,借助国内镜像高速获取模型 + 使用 LLama-Factory 实现低门槛、高效率的本地微调。这套组合拳不仅能让你把“等待下载”的时间省下来喝杯咖啡,还能让7B甚至13B级别的模型在一张消费级显卡上顺利训练起来。 镜像加速:别再用裸连 HuggingFace

【AIGC行业前沿】2026年2月AIGC行业模型发布以及主要前沿资讯

目录 1. 阿里Qoder发布Qwen-Coder-Qoder 2. Kimi与南大发布SimpleSeg赋能模型像素感知 3. 字节研究团队发布ConceptMoE提升AI推理 4. 阶跃星辰发布并开源模型Step 3.5 Flash 5. 智谱发布并开源OCR模型GLM-OCR 6. xAI正式发布Grok Imagine 1.0视频模型 7. 优必选开源具身智能大模型Thinker 8. 通义千问发布开源编程模型Qwen3-Coder-Next 9. OpenAI宣布GPT-5.2系列模型提速40% 10. OpenBMB发布多模态模型MiniCPM-o 4.5 11. ACE Studio与StepFun联合发布开源音乐模型ACE-Step 1.5 12. Ai2发布轻量级开源编码模型SERA-14B 13. 上海AI实验室推出万亿参数多模态科学推理模型Intern-S1-Pro 14. Mistral AI开源40亿参数实时语音模型Voxtral Mini 4B Realtime 2602 15. 快手可灵发布可灵3.0 1

【Model】【llm38】Llama API - 示例

【Model】【llm38】Llama API - 示例

案例目标 Llama API是一个托管的Llama 2 API服务,支持函数调用功能。本案例展示了如何通过LlamaIndex集成Llama API,实现基本的文本补全、对话交互、函数调用和结构化数据提取功能。Llama API为开发者提供了一个便捷的方式来使用Llama 2模型,无需本地部署,可以直接通过API调用模型服务,大大简化了使用流程。同时,该API支持函数调用功能,使得模型能够与外部工具和服务进行交互,扩展了应用场景。 环境配置 1. 安装依赖 安装必要的依赖包: %pip install llama-index-program-openai %pip install llama-index-llms-llama-api !pip install llama-index 2. 获取API密钥 要运行此示例,您需要从Llama API官网获取API密钥。 3. 导入库并设置API密钥 导入必要的库并设置API密钥: from llama_index.llms.llama_api import LlamaAPI

AIGC实战——CycleGAN详解与实现

AIGC实战——CycleGAN详解与实现

AIGC实战——CycleGAN详解与实现 * 0. 前言 * 1. CycleGAN 基本原理 * 2. CycleGAN 模型分析 * 3. 实现 CycleGAN * 小结 * 系列链接 0. 前言 CycleGAN 是一种用于图像转换的生成对抗网络(Generative Adversarial Network, GAN),可以在不需要配对数据的情况下将一种风格的图像转换成另一种风格,而无需为每一对输入-输出图像配对训练数据。CycleGAN 的核心思想是利用两个生成器和两个判别器,它们共同学习两个域之间的映射关系。例如,将马的图像转换成斑马的图像,或者将苹果图像转换为橙子图像。在本节中,我们将学习 CycleGAN 的基本原理,并实现该模型用于将夏天的风景图像转换成冬天的风景图像,或反之将冬天的风景图像转换为夏天的风景图像。 1. CycleGAN 基本原理 CycleGAN 是一种无需配对的图像转换技术,它可以将一个图像域中的图像转换为另一个图像域中的图像,而不需要匹配这两个域中的图像。它使用两个生成器和两个判别器,其中一个生成器将一个域中的图像