深度学习工具箱™提供了一个框架为设计和实现深层神经网络算法,pretrained模型和应用。你可以使用卷积神经网络(ConvNets, CNNs)和长短期记忆(LSTM)网络对图像、时间序列和文本数据进行分类和回归。你可以使用自动区分、自定义训练循环和共享权来构建生成对抗网络(GANs)和暹罗网络等网络架构。通过Deep Network Designer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你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。你可以可视化层激活和图形化监控训练进度。

你可以从TensorFlow™2,TensorFlow- keras, PyTorch导入网络和层图^®， ONNX™(Open Neural Network Exchange)模型格式，以及Caffe。你也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。该工具箱支持与DarkNet-53、ResNet-50、NASNet、SqueezeNet和许多其他预训练模型的迁移学习。

你可以在单gpu或多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(与MATLAB并行服务器™)。