深度学习工具箱™proporciona un marco para diseñar e implementar redes neuronales profundas con algoritmos, modelos preentrenados y apps。(CNN ConvNet)关于神经系统的回顾，关于大脑空间的回忆(LSTM)关于数据的分类和回归imágenes，关于时间和文本的系列。红色建筑，共同创造antagónicas (GAN)共同创造diferenciación automática，共同创造个人利益和共同利益。Con la app Deep Network Designer, puede diseñar, analizar y entrenar redes de forma gráfica。La app实验经理le permite行政变体实验深度学习，实现un seguimiento de los parámetros de entrenamiento, analizar los resultados y比较el código de不同的实验。监测方式的可视化活动gráfica环境的发展。

Puede importar redes y gráficas de capas de TensorFlow™2,TensorFlow- keras y PyTorch^®， el formato de modelos ONNX™(开放神经网络交换)y Caffe。También puede exportar redes de Deep Learning Toolbox y gráficas de capas al formato de modelos TensorFlow 2 y ONNX。La toolbox es compatible con La transferencia del aprendizaje mediante DarkNet-53, ResNet-50, NASNet, SqueezeNet y muchos otros莫德罗preentrenados．

Puede加速el entrenamiento en una estación de trabajo de una sola GPU o varias (usando并行计算工具箱™)，o escalar a clusters y nubes, incluidas instancias de computación en la nube con GPU de NVIDIA^®e instancias de GPU de Amazon EC2^®(反对MATLAB^®并行服务器™）.