用途：把已训练好的 PyTorch、ONNX、Keras 3 / TensorFlow 2.16+ 模型导入 MATLAB，得到 dlnetwork 对象，并验证与源框架输出是否一致。
主要能力：按来源格式分流处理。PyTorch 支持 .pt2（导出程序，形状信息内嵌）与 .pt（traced 模型，需 PyTorchInputSizes）；ONNX 使用 importNetworkFromONNX，可用 InputDataFormats 指定 B/C/S/T/U 维度；Keras 按 MATLAB 版本分三条路径：R2026a+ 用 matlabsaver.save_for_matlab 加 importNetworkFromKeras，旧版本标准层可降级 tf_keras 后用 importNetworkFromTensorFlow，含 Keras 3 特性时回退到 ONNX 导出。
必要用法：PyTorch 导入 .pt2 用 net = importNetworkFromPyTorch("model.pt2");，.pt 需加 PyTorchInputSizes=[1 3 224 224]；ONNX 用 net = importNetworkFromONNX("model.onnx");，未初始化时读取输入形状再以 InputDataFormats 重导；Keras 路径一在 Python 侧执行 matlabsaver.save_for_matlab(model, "exportedModelFolder")，再在 MATLAB 执行 net = importNetworkFromKeras("exportedModelFolder")。
限制与注意：导出前应 model.to("cpu") 并确认 PyTorch 版本为 2.8；不要猜测输入尺寸；导入后检查 net.InputNames 顺序与 learnables 数量；ONNX 实现占位算子后不可重新导入，否则会覆盖自定义实现；数值验证在 onnxruntime 已安装时进行，未安装则跳过，不要求用户安装。训练、微调、导出到 ONNX/PyTorch、嵌入式部署不在本技能范围内。具体支持版本与算子覆盖情况暂未提供。