深度学习工具箱™比例un marco para diseñar e implementar redes neuronales profundas con algorithm, modelos preentrenados y apps。(CNN, ConvNet)和LSTM (LSTM)的记忆，对分类和回归数据的实现，imágenes，一系列的时间和文本。我们有红色的建筑，我们有自己的家园antagónicas (GAN)我们有自己的家园diferenciación automática，我们有自己的家园。Con la app Deep Network Designer, puede diseñar，分析entrenar redes de forma gráfica。La app实验经理管理各种深度学习的实验，实现un seguimiento de los parámetros de entrenamiento，分析los resultados y compare el código de不同的实验。我们的行动，我们的行动，我们的监督，我们的形式gráfica我们的进步，我们的进步。

Puede intercambiar modelos con TensorFlow™y PyTorch中间体格式ONNX™e重要模型desde TensorFlow- keras y Caffee。这是一种兼容的转移媒介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，包括即时的computación en la nube con GPU de NVIDIA^®e instanccias de GPU de Amazon EC2^®(反对MATLAB^®并行服务器™）.