La úlcera del pie diabético (UPD) es una de las principales complicaciones de la diabetes y puede resultar en la amputación de la extremidad inferior si no se trata de manera oportuna y adecuada. A pesar de los enfoques clínicos tradicionales utilizados en la clasificación de la UPD, los métodos automáticos basados en un marco de aprendizaje profundo muestran resultados prometedores. En este artículo, presentamos varias arquitecturas de aprendizaje profundo basadas en CNN de extremo a extremo, es decir, AlexNet, VGG16/19, GoogLeNet, ResNet50.101, MobileNet, SqueezeNet y DenseNet, para la categorización de infección e isquemia utilizando el conjunto de datos de referencia DFU2020. Ajustamos los pesos para superar la falta de datos y reducir el costo computacional. Se utilizan técnicas de transformación afín para la augmentación de los datos de entrada. Los resultados indican que ResNet50 alcanza la mayor precisión del 99.49% y 84.76% para isquemia e infección, respectivamente.