Los flujos cavitantes son de gran interés en los campos de las maquinarias hidráulicas, ya que pueden afectar significativamente el rendimiento mecánico y la seguridad. A pesar de los diversos esfuerzos dedicados a entender la interacción entre los flujos y los campos de cavitación, su correlación no ha sido claramente abordada. Con este fin, en este estudio se adoptó una red neuronal convolucional, U-Net, para construir un modelo que pueda predecir la fracción de volumen de vapor a partir de los campos de velocidad. Se realizaron simulaciones de grandes remolinos de flujos cavitantes alrededor de un hidroala Clark-Y, y las instantáneas simuladas con velocidad y fracción de volumen de vapor se utilizaron como un conjunto de datos para entrenar la red. La fracción de volumen de vapor predicha muestra una buena concordancia con los resultados de simulación referidos, con una desviación L1 inferior a 2 x 10-4, considerando todas las instantáneas. La desviación L1 comparable entre los conjuntos de datos de entrenamiento y validación sugiere la existencia de una fuerte correlación entre los campos de velocidad y cavitación. La interacción cavitación-velocidad derivada del uso de U-Net sugiere que la ubicación con velocidad cero indica la parte interior de las cavitaciones adheridas y en nube, y los campos de velocidad vórtice locales suelen sugerir la existencia de desprendimiento de cavitación.