深度学习工具箱™는알고리즘，사전훈련된모델및앱을사용하여심층신경망을설계하고구현할수있는프레임워크를제공합니다。컨벌루션신경망（ConvNet，CNN）과장단기기억（LSTM）신경망을사용하여영상，시계열및텍스트데이터에대해분류와회귀를수행할수있습니다。자동미분，사용자지정훈련루프및공유가중치를사용하여생성적적대신경망（GAN：剖成对抗性网络）이나샴신경망（连体网络）같은신경망아키텍처를구축할수있습니다。심층신경망디자이너앱을사용하여그래픽방식으로신경망을설계，분석및훈련시킬수있습니다。실험관리자앱을사용하여여러딥러닝실험을관리하고，훈련파라미터를추적하고，결과를분석하고，서로다른실험의코드를비교할수있습니다。계층활성화를시각화하고훈련진행상황을그래픽방식으로모니터링할수있습니다。

ONNX™형식을사용하여TensorFlow™및PyTorch간모델을전환하고TensorFlow-Keras및来自Caffe에서모델을가져올수있습니다。이툴박스는暗网-53，RESNET-50，NASNet，SqueezeNet을비롯한여러사전훈련된모델을통한전이학습을지원합니다。

并行计算工具箱™를사용하여단일또는다중GPU워크스테이션에서훈련속도를높일수있으며，马铃薯^®并行服务器™를사용하여NVIDIA^®GPU云的Amazon EC2^®GPU인스턴스같은클러스터와클라우드로확장할수있습니다。