سلام تا اونجا که من میدونم
1- اطلاعات باید از روی هارد بیان روی رم (که با روش هایی که تو پایتون هست میشه فقط همون تعداد عکسی که تو هر بچ لازم هست رو لود کرد روی رم) که تو اینجا از رم و CPU استفاده میشه
2- تصاویر اگر تولباکس متلب پشتیبانی کنه میرن روی کارت گرافیک و اگر پیشتیبانی نکنه روی رم میمونن و با CPU محاسبات انجام میشه(اگر برن روی گرافیک سرعت خیلی بیشتر میشه)
3- نتایج باز برمیگردن روی رم تا اتمام فاز آموزش
توصیه میکنم اگر برنامه نویستون خوبه برید سمت پایتون چون هم کار با سخت افزارش خوبه هم نمونه کدهاش زیاد هست و تولباکس های موجود deeplearning همه دارن روی python نوشته می شوند و دستتون بازتر هست.
البته نیاز به یه گرافیک خوب که رم 4 یا بیشتری داشته باشه دارید(بستگی به مدلی که میخواهید اجرا کنید داره)