深度学习工具箱™(旧神经网络工具箱™)には,アルゴリズム,事前学習済みのモデル,およびアプリを使用した深い(深層)ニューラルネットワークの設計と実装用のフレームワークが用意されています。畳み込みニューラルネットワーク(事先,CNN)および長短期記憶(LSTM)ネットワークを使用して,イメージ,時系列,およびテキストデータの分類と回帰を実行できます。カスタム学習ループ,重みの共有,自動微分を使用して,敵対的生成ネットワーク(GAN)やシャムネットワークなどの高度なネットワークアーキテクチャを構築できます。アプリやプロットは,活性化の可視化,ネットワークアーキテクチャの編集と解析,学習の進行状況の監視に役立ちます。

ONNX™形式を通じてTensorFlow™やPyTorchとモデルを交換したり,TensorFlow-Kerasや咖啡からモデルをインポートしたりできます。ツールボックスは,ライブラリの事前学習済みのモデル(NASNet、SqueezeNet Inception-v3, resnet - 101など)を使用した転移学習をサポートしています。

GPUが1つ以上のワークステーションでの学習の高速化(并行计算工具箱™を使用)や,NVIDIA GPU云帕システム,Amazon EC2^®GPUインスタンスなどのクラスターやクラウドへのスケールアップ(MATLAB^®并行服务器™を使用)も可能です。