深度学习工具箱™提供了一个框架为设计和实现深层神经网络算法,pretrained模型和应用。您可以使用卷积神经网络(回旋网,cnn)和长期短期记忆(LSTM)网络对图像进行分类和回归、时间序列和文本数据。您可以构建网络体系结构如生成对抗网络(甘斯)和暹罗网络使用自动分化、定制培训循环,和共享的权重。与深层网络设计师应用程序,您可以设计,分析和训练网络图形。实验管理器应用程序帮助您管理多个深度学习实验,跟踪训练参数,分析结果,比较从不同的实验代码。你可以想象层激活和图形化监控培训进展。

可以导入网络和图层图表来自TensorFlow™2, TensorFlow-Keras PyTorch^®,ONNX™(打开神经网络交换)模型格式,和咖啡。您还可以导出深度学习工具箱网络和图形TensorFlow 2层和ONNX模型格式。工具箱支持转移学习Dar万博1manbetxkNet-53 ResNet-50, NASNet SqueezeNet和许多其他pretrained模型。

你可以加快训练在单一或multiple-GPU工作站(并行计算工具箱™),或扩大集群和云,包括NVIDIA^® GPU云和Amazon EC2^® GPU实例(MATLAB并行服务器™)。