深度学习工具箱™为设计和实现具有算法、预训练模型和应用程序的深度神经网络提供了一个框架。可以使用卷积神经网络(ConvNets、CNNs)和长短期记忆网络(LSTM)对图像、时间序列和文本数据执行分类和回归。您可以使用自动区分、自定义训练循环和共享权重来构建生成对抗网络(GANs)和Siamese网络等网络架构。使用深度网络设计器应用程序，您可以图形化地设计、分析和训练网络。实验管理器应用程序可以帮助您管理多个深度学习实验，跟踪训练参数，分析结果，并比较来自不同实验的代码。您可以可视化层激活和图形化监控训练进度。

您可以从TensorFlow™2、TensorFlow- keras和PyTorch导入网络和图层图形^®、ONNX™(开放神经网络交换)模型格式，以及Caffe。您还可以将深度学习工具箱网络和层图导出到TensorFlow 2和ONNX模型格式。工具箱支持与DarkNet-53、ResNet-50、NASNet、SqueezeNet和许多其他的迁移学习pretrained模型．

您可以在单个或多个gpu工作站(使用并行计算工具箱™)上加速训练，或扩展到集群和云，包括NVIDIA^®GPU云和Amazon EC2^®GPU实例(MATLAB^®并行服务器™）.