深度学习工具箱™ 提供一个框架，用于设计和实现具有算法、预训练模型和应用程序的深度神经网络。您可以使用卷积神经网络（CONVNET、CNN）和长短时记忆（LSTM）用于对图像、时间序列和文本数据执行分类和回归的网络。您可以构建网络体系结构，如生成性对抗网络（GAN）以及使用自动区分、自定义训练循环和共享权重的暹罗网络。使用Deep Network Designer应用程序，您可以图形化地设计、分析和训练网络。实验管理器应用程序可帮助您管理多个深度学习实验，跟踪训练参数，分析结果，并比较来自diff的代码不同的实验。你可以可视化图层激活和图形化监控训练进度。

您可以使用TensorFlow交换模型™ 和Pytork通过ONNX™ 从TensorFlow Keras和Caffe格式化和导入模型。工具箱支持使用DarkNet-53、ResNet-50、NASNet、SqueezeNet和许多其他工具进行迁移学习万博1manbetx预训练模型.

您可以在单个或多个GPU工作站上加速培训（使用并行计算工具箱）™), 或者扩展到集群和云，包括NVIDIA^® GPU云和亚马逊EC2^®GPU实例（带有MATLAB^®并行服务器™).