Mathworks.“Matlab 2018B发布”提供了许多新功能，包括支持开发机器学习应用程序的深度学习工具箱。其他新功能包括5G工具箱，NVIDIA云和DGX支持以及传感器融合和跟踪。
深度学习工具箱支持在图像，时序和文本数据上进行分类和回归的卷积神经网络（CNNS）和长短短期内存（LSTM）网络。它缓解了MATLAB用户使用其他机器学习框架，尽管它还可以使用该框架（如Pytorch，MXNet，Caffe和Tensorflow-Keras）导入和导出模型onnix，开放神经网络交换格式。
开发人员可以利用Matlab的Matlab的深神经网络（DNN）支持来自Matlab代码（见下面的Codelist）。MATLAB编码器或GPU编码器可用于生成C ++和CUDA代码，用于使用MMKL-DNN，使用ARM Compute库和NVIDIA Tegra平台使用NVIDIA的众多库进行部署。
虽然是真的
IM =快照（摄像机）;％拍照
图像（IM）;％显示图片
IM = IMResize（IM，[227 227]）;％为alexnet调整图片大小
标签=分类（网络，IM）;％分类图片
标题(char(标签));显示类标签
drawn
结尾
八行MATLAB代码都是需要利用分类网络来使用AlexNet模型识别图像。
不过，编码只是故事的一部分。深网络设计师（见图）提供了一种使用普罗丝，包括Squeezenet，Inception-V3，Reset-101，Googlenet和VGG-19的方法，以及开发新型号。它可以与MATLAB图像标签应用程序一起使用，用户可以在其中查看和标记图像以进行语义分段。开发人员能够为图像，视频和音频剪辑创建地面标签信息来创建特定于域的工作流程。
深度网络设计师可用于微调预借预定的深度学习网络。
工具箱还可以通过使用并行计算工具箱在桌面上通过多核处理器和GPU来利用分布式计算来训练大型数据集。开发人员也可以利用云。深度学习工具箱支持使用MATLAB分布式计算服务器的Amazon EC2 P2，P3和G3 GPU实例。该工具箱还支持Amazon AWS和Microsoft Azure。
