Deep Learning Toolbox™ 提供了一个用于通过算法、预训练模型和 App 来设计和实现深度神经网络的框架。您可以使用卷积神经网络（ConvNet、CNN）和长短期记忆 (LSTM) 网络对图像、时间序列和文本数据执行分类和回归。您可以使用自动微分、自定义训练循环和共享权重来构建网络架构，如生成对抗网络 (GAN) 和孪生网络。使用深度网络设计器，您能够以图形方式设计、分析和训练网络。试验管理器可帮助您管理多个深度学习试验，跟踪训练参数，分析结果，并比较不同试验的代码。您可以可视化层激活，并以图形方式监控训练进度。

您可以从 TensorFlow™ 2、TensorFlow-Keras 和 PyTorch^®、ONNX™（开放式神经网络交换）模型格式和 Caffe 中导入网络和层图。您还可以将 Deep Learning Toolbox 网络和层图导出为 TensorFlow 2 和 ONNX 模型格式。该工具箱支持使用 DarkNet-53、ResNet-50、NASNet、SqueezeNet 和许多其他预训练模型进行迁移学习。

您可以在单 GPU 或多 GPU 工作站（安装了 Parallel Computing Toolbox™）上加快训练速度，或扩展到集群和云，包括 NVIDIA^®  GPU Cloud 和 Amazon EC2^® GPU 实例（安装了 MATLAB^® Parallel Server™）。