O Neuralhub foi pensado para que a experimentação em deep learning deixe de ser fragmentada. Em vez de alternar entre scripts locais, notebooks e GPUs na nuvem, reúne todo o ciclo em um só lugar: construir uma rede a partir de uma biblioteca de componentes, camadas e arquiteturas comuns, ou projetá-la do zero, e então ajustá-la e treiná-la na mesma interface. Também é possível partir de pesquisas recentes e modelos pré-treinados.
O fluxo é organizado em quatro etapas: Build, Tune, Run e Launch. Na etapa de ajuste você constrói a rede com um clique e inspeciona e interage visualmente com cada componente, ajustando hiperparâmetros como épocas, características e rótulos. Na etapa de execução, o Neuralhub hospeda serviços de machine learning dedicados em segundo plano para treinar com segurança, com acesso a computação gratuita e GPUs premium mais rápidas. Na etapa de lançamento você analisa as métricas do modelo, testa em novos datasets, compara com outras redes e exporta, compartilha ou publica o resultado.
O projeto também se posiciona como uma comunidade, e não apenas uma ferramenta: as redes publicadas podem ser exploradas por outros usuários, que deixam feedback e aprendem em conjunto. O site o apresenta como beta com lista de espera e afirma que os inscritos recebem uma assinatura premium gratuita no lançamento, portanto a plataforma continua evoluindo.
