深度学习工具箱™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。自動微分,カスタム学習ループ,重みの共有を使用して,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ネットワークアーキテクチャを構築できます。ディープネットワークデザイナーアプリでは,ネットワークの設計,解析,学習を視覚的に実行できます。実験マネージャーアプリは,複数の深層学習実験の管理,学習パラメーターの追跡,結果の解析,および異なる実験からのコードの比較に役立ちます。層のアクティベーションの可視化や,学習の進行状況の視覚的な監視が可能です。

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,DarkNet-53, ResNet-50, NASNet, SqueezeNet,その他数多くの事前学習済みモデル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，亚马逊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。