Deep Learning Toolbox™ には、アルゴリズム、事前学習済みのモデル、およびアプリを使用した深い (深層) ニューラル ネットワークの設計と実装用のフレームワークが用意されています。畳み込みニューラル ネットワーク (ConvNet、CNN) および長短期記憶 (LSTM) ネットワークを使用して、イメージ、時系列、およびテキスト データの分類と回帰を実行できます。自動微分、カスタム学習ループ、重みの共有を使用して、敵対的生成ネットワーク (GAN) やシャム ネットワークなどのネットワーク アーキテクチャを構築できます。ディープ ネットワーク デザイナー アプリでは、ネットワークの設計、解析、学習を視覚的に実行できます。実験マネージャー アプリは、複数の深層学習実験の管理、学習パラメーターの追跡、結果の解析、および異なる実験のコードの比較に役立ちます。層ごとのアクティベーションの可視化や、学習の進行状況の視覚的な監視が可能です。

TensorFlow™ 2、TensorFlow-Keras、PyTorch^®、ONNX™ (Open Neural Network Exchange) モデル形式、および Caffe から、ネットワークと層グラフをインポートできます。Deep Learning Toolbox のネットワークと層グラフを TensorFlow 2 および ONNX モデル形式でエクスポートすることもできます。ツールボックスは、DarkNet-53、ResNet-50、NASNet、SqueezeNet、その他数多くの事前学習済みモデルを使用した転移学習をサポートしています。

GPU が 1 つ以上搭載されたワークステーションでの学習の高速化 (Parallel Computing Toolbox™ を使用)、または、NVIDIA^® GPU クラウドや Amazon EC2^® GPU インスタンスなどのクラスターおよびクラウドへのスケール アップ (MATLAB^® Parallel Server™ を使用) が可能です。