深度学习工具箱™には，アルゴリズム，事前学习済みのモデル，およびアプリを使用した深い（深层）ニューラルネットワークの设计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（ConvNet，CNN）および长短期记忆（LSTM）ネットワークを使用して，イメージ，时系列，およびテキストデータの分类と回帰を実行できます。自动微分，カスタム学习ループ，重みの共有を使用して，敌対的生成ネットワーク（GAN）やシャムネットワークなどのネットワークアーキテクチャを构筑できます。ディープネットワークデザイナーアプリでは，ネットワークの设计，解析，学习を视覚的に実行できます。実験マネージャーアプリは，复数の深层学习実験の管理，学习パラメーターの追迹，结果の解析，および异なる実験のコードの比较に役立ちます。层ごとのアクティベーションの可视化や，学习の进行状况の视覚的な监视が可能です。

ONNX™形式を通じてTensorFlow™やPyTorchとモデルを交换したり，TensorFlow-Kerasや来自Caffe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，暗网-53，RESNET-50，NASNet，SqueezeNet，その他数多くの事前学习済みモデルを使用した転移学习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习の高速化（并行计算工具箱™を使用）や，NVIDIA^®GPU云的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（马铃薯^®并行服务器™を使用）も可能です。