深度学习可以使用以下几种软件：

TensorFlow：

由Google开发和维护，支持多种深度学习架构，提供从设计算法到部署模型的完整工具集。它适用于初学者和专业人士，是开源的，并允许用户在多种平台上部署计算。

PyTorch：

由Facebook的人工智能研究团队开发，以其动态计算图（命令式编程风格）著称，提供了丰富的API，使得深度学习模型的开发更加直观。它拥有强大的社区支持和广泛的学习资源。

Keras：

一个高级的神经网络API，运行于TensorFlow、CNTK和Theano之上，旨在实现快速实验。Keras适合初学者，通过简化的接口和常见模式来快速构建和测试深度学习模型。

NumPy：

作为AI世界的“基本功”，提供了高性能的多维数组对象和各种派生工具，是数学运算的基石。

Scikit-learn：

机器学习全家桶，内置了各种经典算法，从线性回归到随机森林应有尽有，新手友好的API设计。

Pandas：

数据处理利器，能轻松处理各种结构化数据，提供了强大的数据分析工具。

Matlab：

DeepLearnToolbox是其用于深度学习的工具箱，包含一些简单的深度学习应用。

CNTK：

微软推出的开源深度学习框架，后更名为Cognitive Toolkit，支持Python，并被亚马逊采用。

MXNet：

由分布式（深度）机器学习社区开发，主要用C++编写，强调提高内存使用的效率，甚至能在智能手机上运行。

Theano：

2008年诞生于蒙特利尔理工学院，派生出了大量深度学习Python软件包，最著名的包括Blocks和Keras。

Torch：

由Ronan Collobert和Koray开发，是另一个用于深度学习的框架。

Anaconda：

Python下最为流行的科学计算包，内涵了基本上所有科学计算所需要的包，同时有conda这个环境管理器。

Visual Studio Code （VS Code）：

可以通过sftp等远程工具上传代码到服务器上，配合插件使用非常方便。

PyCharm：

可以使用远程解释器并且上传代码到服务器上，但体量较大，对电脑要求较高。

Vim 和 Vim Plus：

在服务器上在线修改代码或配置文件时使用的编辑器，快捷键多，可定制性强。

这些软件和工具为深度学习提供了强大的支持，开发者可以根据自己的需求和偏好选择合适的工具进行深度学习模型的开发和部署。