4． Caffe
caffe的python编译模块提供了绘制net结构的功能，可实现对网络结构的绘制，这极大的方便了对网络结构的理解和分析。调用caffe中的draw．py文件便可以进行结构图绘制，也就是将网络模型由prototxt变成一张图片。
5． Tensorboard
TensorBoard 是用于提供机器学习工作流程期间所需的测量和可视化的工具。它使您能够跟踪实验指标，例如损失和准确性，可视化模型图，将嵌入物投影到较低维度的空间等等。尤其是在训练网络的时候，我们可以设置不同的参数（权重W、偏置B、卷积层数、全连接层数等），并可以直观的帮助我们进行参数的选择。
6． DotNets
这是一个简单的 Python 脚本，用于使用 Python 和 Graphviz 生成前馈神经网络的图片。这受到了 Thiago G． Martins How to draw neural network diagrams using Graphviz 的启发。
7．Matlab
MATLAB是美国MathWorks公司出品的商业数学软件，用于数据分析、无线通信、深度学习、图像处理与计算机视觉、信号处理、量化金融与风险管理、机器人，控制系统等领域。
Matlab的优点很明显，一般使用过的人都很清楚。不过缺点就是他的商业属性，同时由于其带有米国“属性”，对我们带来了一系列的问题。可以的情况下还是需要慎重使用，毕竟这个软件太容易产生依赖了。
8．Keras．js
Keras是一款非常流行的深度学习模型开发框架，基于python，语法简洁，封装程度高，只需十几行代码就可以构建一个深度神经网络。Keras．js是一个可以在浏览器中运行深度神经网络的JS框架（同时包含互动演示），支持CPU，GPU计算。区别于Keras，Keras．js只能运行已经调试好的模型，无法进行模型训练。
