Deep Learning Toolbox提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。您可以使用卷积神经网络（ConvNet、CNN）和长短期记忆 (LSTM) 网络对图像、时序和文本数据执行分类和回归。应用程序和绘图可帮助您可视化激活值、编辑网络架构和监控训练进度。

对于小型训练集，您可以使用预训练深度网络模型（包括 SqueezeNet、Inception-v3、ResNet-101、GoogLeNet 和 VGG-19）以及从 TensorFlow-Keras 和 Caffe 导入的模型执行迁移学习。

要加速对大型数据集的训练，您可以将计算和数据分布到桌面计算机上的多核处理器和 GPU 中（使用 Parallel Computing Toolbox），或者扩展到群集和云，包括 Amazon EC2 P2、P3 和 G3 GPU 实例（使用 MATLAB Parallel Server）。