Deep Learning Toolbox menyediakan kerangka kerja untuk merancang dan mengimplementasikan jaringan saraf dalam dengan algoritme, model terlatih, dan aplikasi. Anda dapat menggunakan jaringan neural konvolusional (ConvNets, CNN) dan jaringan memori jangka pendek (LSTM) untuk melakukan klasifikasi dan regresi pada data gambar, deret waktu, dan teks. Anda dapat membangun arsitektur jaringan seperti jaringan permusuhan generatif (GAN) dan jaringan Siam menggunakan diferensiasi otomatis, loop pelatihan khusus, dan bobot bersama. Dengan aplikasi Deep Network Designer, Anda dapat mendesain, menganalisis, dan melatih jaringan secara grafis. Aplikasi Pengelola Eksperimen membantu Anda mengelola beberapa eksperimen pembelajaran mendalam, melacak parameter pelatihan, menganalisis hasil, dan membandingkan kode dari berbagai eksperimen. Anda dapat memvisualisasikan aktivasi lapisan dan memantau kemajuan pelatihan secara grafis.

Anda dapat mengimpor jaringan dan grafik lapisan dari TensorFlow™ 2, TensorFlow-Keras, PyTorch®, format model ONNX™ (Open Neural Network Exchange), dan Caffe. Anda juga dapat mengekspor jaringan Deep Learning Toolbox dan grafik lapisan ke TensorFlow 2 dan format model ONNX. Toolbox ini mendukung pembelajaran transfer dengan DarkNet-53, ResNet-50, NASNet, SqueezeNet, dan banyak model terlatih lainnya.

Anda dapat mempercepat pelatihan pada satu atau beberapa stasiun kerja GPU (dengan Parallel Computing Toolbox), atau meningkatkan skala ke klaster dan cloud, termasuk instans NVIDIA®GPU Cloud dan Amazon EC2®GPU (dengan MATLAB Parallel Server).