深度学习工具箱™为设计和实施与算法，预先训练模型和应用中的深层神经网络的框架。您可以使用卷积神经网络（ConvNets，细胞神经网络）和长短期记忆（LSTM）网络上的图像，时间序列和文本数据进行分类和回归。你可以建立网络体系结构，如使用自动分化，定制培训循环和共享权重生成对抗网络（甘斯）和连体网络。与深网络设计的应用程序，你可以设计，分析和列车网络图形。该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，并从不同的实验对比的代码。你可以想像层激活和图形显示器训练进度。

您可以通过从TensorFlow-Keras，但Caffe的ONNX™格式和进口车型交换TensorFlow™和PyTorch模型。与暗网-53工具箱支撑转金宝app印学习，RESNET-50，NASNet，SqueezeNet和许多其他预训练模式。

您可以加速单个或多个GPU的工作站上训练（并行计算工具箱™），或扩展到集群和云，其中包括NVIDIA^® GPU Cloud and Amazon EC2^® GPU instances (withMATLAB^®并行服务器™）。