深度学习工具箱™提供了一个框架，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(ConvNets, CNNs)和长短期记忆(LSTM)网络对图像、时间序列和文本数据进行分类和回归。您可以使用自动区分、自定义训练循环和共享权来构建网络架构，如生成式对抗网络(gan)和暹罗网络。有了Deep Network Designer应用程序，你可以图形化地设计、分析和训练网络。实验管理器应用程序可以帮助您管理多个深度学习实验，跟踪训练参数，分析结果，并比较不同实验的代码。您可以可视化层激活和图形监控训练进展。

您可以通过ONNX™格式与TensorFlow™和PyTorch交换模型，并从TensorFlow- keras和Caffe导入模型。这个工具箱支持使用Dar万博1manbetxkNet-53、ResNet-50、NASNet、SqueezeNet和许多其他工具进行迁移学习pretrained模型．

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