做深度学习主要使用的软件包括：

TensorFlow：

由Google Brain团队开发，支持多种编程语言，包括Python和C++，拥有丰富的API和工具，适用于图像识别、自然语言处理、语音识别等领域。TensorFlow的主要特点是灵活性和可扩展性，可以在不同的硬件上运行，如CPU、GPU、TPU等。

PyTorch：

由Facebook开发，采用动态计算图的方式，与TensorFlow的静态计算图不同。PyTorch的Python API非常友好，易于上手，适用于计算机视觉和自然语言处理等应用。

Keras：

是一个高级深度学习框架，可以在TensorFlow、Theano和Microsoft Cognitive Toolkit等后端进行操作。Keras提供了简单易用的API和一系列预定义的模型，使得开发者可以轻松地构建复杂的深度学习模型。

Caffe：

由贾扬清开发，特别擅长于图像处理领域。Caffe也是一个非常流行的深度学习框架。

Anaconda：

目前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，非常方便。可以通过conda安装TensorFlow和PyTorch等深度学习框架。

VS Code：

可以通过sftp等远程工具上传到服务器上，配合插件sftp和remote-fs进行开发。VS Code是目前的主流开发方式，简单方便。

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。

NumPy：

数值计算基石，提供了高性能的多维数组对象和各种派生工具，是AI世界的“基本功”。

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。

FastAI：

由fast.ai研究所开发，致力于让大家更容易上手深度学习。FastAI提供了易于使用的API和工具，帮助开发者快速构建和训练深度学习模型。

这些软件和工具为深度学习开发提供了强大的支持和灵活性，可以根据具体需求和场景选择合适的工具进行开发。建议根据个人习惯和项目需求选择合适的工具和框架。