ae编程语言有哪些

① 瀹炵敤绠鍗曞ソ涓婃墜鐨凙E琛ㄨ揪寮忔睙婀栨枃妗

AE琛ㄨ揪寮忎竴鐩存槸澶у跺︿範AE杩囩▼涓鐨勪竴閬撳潕锛屾秹鍙婁唬鐮佺綉涓婃暀绋嬭祫婧愬張涓嶅氾紝浜庢槸寰堝氫汉閮芥病鏈夊畬鍏ㄥ湴棰嗙暐鍒癆E琛ㄨ揪寮忕殑榄呭姏銆傝繖鍑犲ぉ鎴戜竴鐩存兂鍐欎竴绡囥夾E琛ㄨ揪寮忔睙婀栨枃妗ｃ嬨傝繖绡囨枃妗ｇ殑鐩鐨勪笉鍦ㄤ簬鍏ㄩ潰鍦颁粙缁嶈〃杈惧紡锛岄偅鏄瀹樻柟鏂囨。鎵嶅仛鐨勪簨鎯呫傛垜鐨勭洰鐨勫湪浜庡皾璇曠敤鐩寸櫧鐨勮瑷鍜屼緥瀛愰槓杩拌〃杈惧紡锛岃╀笉鎳備唬鐮佺殑浜鸿诲畬鍚庝篃鑳界湅寰楁噦AE琛ㄨ揪寮忥紝浼氬啓AE琛ㄨ揪寮忋

涓鐩翠互鏉ワ紝澶у氭暟浜洪兘涓嶆兂鍘荤癆E鐨勮〃杈惧紡锛岃夊緱鍜岀紪绋嬫寕閽╃殑涓滆タ閮藉緢闅俱備簬鏄鎴戝皾璇曠潃鍘绘濊冩庝箞绠鍗曞湴鍋欰E琛ㄨ揪寮忕殑鏁欑▼锛岃╁ぇ閮ㄥ垎浜鸿兘鎺ュ彈銆

浜庢槸锛岃繖绡囬潪瀹樻柟鐨勬潵鑷姹熸箹鐨凙E琛ㄨ揪寮忔枃妗ｅ氨鍑虹倝浜嗐

姹熸箹灏辨湁姹熸箹鐨勮勭煩銆

涓嶆嫎灏忚妭涓嶅埢鏉匡紝涓嶅彲鑳藉儚瀹樻柟鏂囨。涓鏍锋瘡涓鍑芥暟閮藉崟鐙鎷垮嚭鏉ヨ诧紝瀹樻柟鏂囨。鏄璁╀汉浠褰撳仛瀛楀吀鏌ユ壘鐨勶紝鎴戜滑鍙璁叉湁鐢ㄧ殑锛岃插皯涓鐐癸紝璁茬畝鍗曚竴鐐广

鏈鏂囩殑鐩鐨勪笉鍦ㄤ簬鍏ㄩ潰锛屽湪浜庡姏浜夊悇浣嶈诲畬涔嬪悗锛岀湅寰楁噦AE琛ㄨ揪寮忥紝浼氬啓AE琛ㄨ揪寮!

琛ㄨ揪寮忓熀纭

1銆佸備綍娣诲姞琛ㄨ揪寮

鍐嶆繁鍘氱殑鍔熷か涔熸槸浠庢墡椹姝ュ紑濮嬬殑銆傚備綍娣诲姞琛ㄨ揪寮忓憿?涓や釜鍔ㄤ綔銆

鈶犳寜浣廩Alt閿甝锛屸憽鐐瑰嚮浣犺佹坊鍔犺〃杈惧紡鐨勫睘鎬у墠闈㈢殑[绉掕〃]銆

杩欎釜鏃跺欏氨浼氬嚭鐜颁竴涓缂栬緫妗嗭紝鎶婅〃杈惧紡鍐欒繘鍘诲氨鍙浠ュ暒銆

绀轰緥锛氱敤琛ㄨ揪寮忚[ball]鐨勪綅缃鍥哄畾鍦╗200, 200]澶勩

2銆佽〃杈惧紡寮鍏

杩欎釜寮鍏虫槸[寮鍚/鍏抽棴]琛ㄨ揪寮忥紝鍙浠ヤ护浣犲湪涓嶆竻闄よ〃杈惧紡妗嗙殑鎯呭喌涓嬶紝绂佺敤琛ㄨ揪寮忋

绀轰緥锛氳〃杈惧紡鐨勫紑鍚鍜岀佺敤

3銆佽〃杈惧紡鎷惧彇鍣

瀹冨湪姘戦棿鏈夊氫釜鍚嶅瓧锛岄樺拷涓嶅畾锛屾湁浜鸿存槸鎷惧彇鍣锛屾湁浜鸿存槸鍏宠仈鍣锛屾湁浜鸿存槸姗＄毊绛嬨

鎵撲釜姣旀柟锛屼綘鍦ㄥ啓涓绡囧彨鍋氥婃垜鐨勫悓瀛︺嬬殑浣滄枃锛屼綘鐨勫悓瀛﹀悕瀛楀彨鍋氭矁灏斿斅疯惃鏂鐨璇烘柉路闃垮崱璐濇柉鍩猴紝浣犺颁笉浣忥紝浜庢槸浣犵敤鎵嬫寚涓鎸囦綘鐨勫悓瀛︼紝浠栫殑鍚嶅瓧灏辫嚜鍔ㄥ嚭鐜板湪浣犲啓鐨勬枃绔犻噷闈锛屽氭柟渚垮憖锛屽氫紵澶х殑鎵嬫寚鍛銆傝〃杈惧紡鎷惧彇鍣ㄥ氨鏄杩欏彧绁炲囩殑鎵嬫寚銆

绀轰緥锛氱敤琛ㄨ揪寮忚[ball]鍥惧眰鐨勪綅缃浣嶄簬[anotherBall]鐨勪笅闈50px澶

4銆佸嚱鏁拌彍鍗

AE鏈夊緢澶氬凡缁忓唴缃鐨勫嚱鏁扮粰浣犵敤锛屼綘骞朵笉闇瑕佽颁綇瀹冧滑姣忎釜鐨勫悕瀛楀拰鍙傛暟锛屽彧闇瑕佽颁綇鏈夎繖涔堜竴涓鍑芥暟瀛樺湪灏卞彲浠ワ紝闇瑕佺敤鐨勬椂鍊欏彲浠ュ湪杩欎釜鑿滃崟閲岄潰鎼滅储浣犳兂瑕佺殑鍑芥暟銆

琛ㄨ揪寮忕殑瑙勫垯

AE琛ㄨ揪寮忕殑瑙勫垯锛岀瓑鍚屼簬鎴戜滑骞虫棩璇磋瘽鐨勬椂鍊欎富璋撳剧瓑璇娉曡勫畾锛屾垜浠闇瑕侀伒瀹堬紝AE鍜屼綘鎵嶈兘姝ｅ父鎰夊揩鍦颁氦娴佸晩銆

瑙勫垯涓锛氬畠瑕佸暐浣犲氨缁欏畠鍟

鏃犺轰綘琛ㄨ揪寮忓啓寰楀氫箞闀垮氬嶆潅锛屽墠闈涓澶у爢锛岄兘鏄涓轰簡璁＄畻鍑烘渶鍚庨偅涓狝E鎵瑕佹眰鐨勬牸寮忕殑涓滆タ銆

[浣嶇疆]锛氭垜瑕佺殑鏄涓涓鏍煎紡涓篬x, y]鐨勪笢瑗匡紝鎴戝ソ鐭ラ亾鎴戝湪鍝涓鍦版柟銆

[涓嶉忔槑搴]锛氭垜鍙瑕佷竴涓鏁板煎氨鍙浠ヤ簡锛屾瘮濡0锛屾瘮濡50锛屾瘮濡100銆

[濉鍏呴滆壊]锛氭垜闇瑕佷竴涓鏍煎紡涓篬r, g, b, alpha]鐨勪笢瑗匡紝鎴戝ソ鐭ラ亾鎴戞槸涓鍟ラ滆壊銆

銆愮ず渚嬨戯細

瑙勫垯浜岋細鍩烘湰鐨勮＄畻

鍔犲噺涔橀櫎灏变笉鐢ㄨ翠簡锛屽湪杩欓噷鎻愪竴涓甯哥敤鐨刐鍙栦綑鏁癩鐨勭﹀彿鈥斺%銆

姣斿傦細a = 100 % 3;

閭ｄ箞a鐨勫煎氨鏄1銆

銆愮ず渚嬨戯細

娉锛歔time] 鏄疉E鎻愪緵鐨勶紝琛ㄧず褰撳墠鐨勬椂闂淬備緥濡1s鏃讹紝time = 1;2.5s鏃讹紝time = 2.5銆傛垜浠缁忓父鍒╃敤[time]鐨勫艰窡闅忔椂闂村彉鍖栬繖涓鐗规ф潵鍒朵綔鍔ㄧ敾銆

瑙勫垯涓夛細鍙橀噺

涓嶈佽夊緱[鍙橀噺]杩欎釜璇嶅緢闄岀敓鍙鎬曪紝鍏跺疄锛屽垵涓寮濮嬫垜浠鐨勬暟瀛﹀紩鍏ョ殑瀛楁瘝锛屽彲浠ヨ村氨鏄痆鍙橀噺]锛屽畠鐨勪綔鐢ㄥ氨鏄鏉ュ瓨鍌ㄦ暟鍊肩殑銆

銆愮ず渚嬨戯細

娉锛歔time] 鏄疉E鎻愪緵鐨勶紝琛ㄧず褰撳墠鐨勬椂闂淬傛渶鍚庝竴涓绀轰緥涓鐨勨漷ime % 1鈥濓紝琛ㄧず褰撳墠鏃堕棿瀵1鍙栦綑鏁般備緥濡倀ime = 1.5s澶勶紝time % 1 = 0.5銆傚洜姝わ紝(time % 1) 闅忕潃鏃堕棿鍦0~1涔嬮棿涓嶆柇鍙樺寲銆

瑙勫垯鍥涳細璇鍙

琛ㄨ揪寮忔槸鐢变竴琛屼竴琛岀殑璇鍙ユ瀯鎴愮殑锛屾瘡涓璇鍙ヤ互涓涓鍒嗗彿缁撳熬锛屽綋鐒禔E琛ㄨ揪寮忓厑璁镐綘蹇界暐鍒嗗彿锛屼笉杩囧湪姣忎釜璇鍙ュ悗闈㈡坊鍔犲垎鍙凤紝鏄涓涓濂界殑涔犳儻銆

瑙勫垯浜旓細娉ㄩ噴

鍏堢湅鐪嬩笅闈涓や釜琛ㄨ揪寮忥細

涓婇潰閭ｄ釜鍙鑳戒綘涓寮濮嬬湅鍒帮紝涓鏃跺崐浼氫笉鐭ラ亾瀹冩槸鐢ㄦ潵鍋氫粈涔堢殑銆

浣嗘槸涓嬮潰閭ｄ釜琛ㄨ揪寮忥紝娣诲姞浜嗕綔鑰呯殑娉ㄩ噴锛屼竴鐩浜嗙劧!

鏈変袱绉嶆敞閲婄殑鏂规硶锛

鍗曡屾敞閲婏細涓や釜鏂滄潬 // 鍙浠ユ敞閲婃帀鍚屼竴琛屽悗闈㈢殑鎵鏈夊唴瀹广

澶氳屾敞閲婏細鍙浠ョ敤 /* 鍜 */ 鎶婅佹敞閲婄殑鍐呭规嫭璧锋潵锛岃繖绉嶆柟寮忓彲浠ユ敞閲婂氳屽唴瀹广

璇濊村洖鏉ワ紝娉ㄩ噴鍙浠ヨВ閲婁唬鐮佺殑浣滅敤锛屽炲姞鍙璇绘э紝鍚屾椂瀹冧笉浼氳杩愯岋紝鐩存帴琚獳E蹇界暐鎺夈傜畝鍗曟潵璇达紝琛ㄨ揪寮忔槸鍐欑粰AE鐪嬬殑锛屾敞閲婃槸鍐欑粰浜虹湅鐨勩

銆愮ず渚嬨戯細

瑙勫垯鍏锛氱被鍨

鍦ˋE琛ㄨ揪寮忎腑锛屽彉閲廰甯歌佺殑绫诲瀷鏈

鏁板笺備緥濡傛暟瀛1銆1.5銆-10銆

瀛楃︿覆銆傜敤寮曞彿鍖呮嫭璧锋潵锛屼緥濡備竴涓瀛楃︿覆鈥濆搱鍠戒綘濂藉憖鈥濄佲濇垜鍦ㄥ啓鏂囨。ing鈥 銆

甯冨皵鍊笺傚垽鏂瀵归敊鐨勫竷灏旂被鍨 true 鍜 false 銆

鏁扮粍銆傜敱璁稿氬厓绱犵粍鎴愮殑涓涓缁勩

瑙勫垯涓冿細鏉′欢

鏉′欢璇鍙ョ殑缁撴瀯鍏跺疄寰堢畝鍗曪紝鎬荤粨鏉ヨ村氨鏄锛

娉ㄦ剰锛

涓涓猧f鍚庨潰鍙浠ヨ窡鐫鏃犳暟涓猠lse if锛屼絾鏄鍙鑳借窡鐫涓涓猠lse锛屼笖蹇呴』鍦ㄦ渶鍚庨潰銆

{} 鑺辨嫭鍙峰悗闈涓嶉渶瑕佸姞鍒嗗彿銆

if 鍜宔lse if鍚庨潰鐨勬嫭鍙烽噷鏄鍒ゆ柇鐨勬潯浠讹紝甯歌佺殑鍒ゆ柇鏈変互涓嬶細

1銆乤 == 1 (鍒ゆ柇a鐨勫兼槸涓嶆槸绛変簬1锛屽垏璁版槸涓や釜绛変簬鍙)

2銆乤 >= b (鍒ゆ柇a鐨勫兼槸涓嶆槸澶т簬绛変簬b)

3銆 !(3 > 1) (!琛ㄧず鍙栧弽锛屽洜涓3>1鏄痶rue锛屾墍浠ュ彇鍙嶄箣鍚庤繖涓鏉′欢鏄痜alse)

4銆乫lag (鍒ゆ柇flag鏄甯冨皵鍊紅rue杩樻槸false)

5銆0 (褰撳垽鏂鏉′欢鏄0锛屽垯琛ㄧずfalse锛岃嫢鏄0浠ュ栫殑鍏朵粬鏁板瓧锛屽垯琛ㄧずtrue)

銆愮ず渚嬨戯細

瑙勫垯鍏锛氬惊鐜

涓浜烘劅瑙夛細寰鐜鍦ˋE琛ㄨ揪寮忛噷闈㈢殑浣跨敤鍏跺疄杩樻尯灏戣鐨(鎵浠ュ惊鐜鐨勪緥瀛愬ソ闅炬兂鍛) 銆

寰鐜鏈変笁绉嶅舰寮忥紝浣犲彲浠ユ牴鎹鍏蜂綋鎯呭喌閫夋嫨浠绘剰涓绉嶃

涓句釜渚嬪瓙鎴戜滑鐪嬬湅鎬庝箞浣跨敤銆

娉锛氬湪寰鐜鍧楅噷闈㈡坊鍔犫漛reak;鈥滐紝琛ㄧず璺冲嚭(鎵撶牬)杩欎釜寰鐜锛屼笉绠″惊鐜鏉′欢婊′笉婊¤冻锛岄兘璺冲嚭寰鐜銆

鍜 鈥渂reak;鈥 绫讳技鐨勮繕鏈変竴涓 鈥渃ontinue;鈥 锛屽畠琛ㄧず缁撴潫鏈娆″惊鐜锛岃繘琛屼笅娆″惊鐜锛岃屼笉鏄璺冲嚭(鎵撶牬)寰鐜銆

瑙勫垯涔濓細鍑芥暟

1銆佸唴缃鍑芥暟锛

杩樿板緱閭ｄ釜鍑芥暟鑿滃崟鍚?鍦ㄩ噷闈㈡垜浠鍙浠ョ湅鍒板緢澶欰E鎻愪緵缁欐垜浠浣跨敤鐨勫嚱鏁般

渚嬪傦細

a銆亀iggle(freq, amp); // [鎽嗗姩]鍑芥暟锛宖reg鏄棰戠巼锛宎mp鏄骞呭害

b銆乺andom(min, max); // [闅忔満]鍑芥暟锛屽湪min鍜宮ax鍊间箣闂村彇涓涓闅忔満鍊 (鏇村氬唴缃甯哥敤鐨勫嚱鏁板皢鍦ㄧ鍥涜妭璁茶В)

2銆佽嚜瀹氫箟鍑芥暟锛

涓浜烘劅瑙夛細鍦ˋE琛ㄨ揪寮忎腑鑷瀹氫箟鍑芥暟杩樻槸姣旇緝灏戣佺殑銆

鍑芥暟鐨勫畾涔夋牸寮忓備笅锛

鍦ㄨ繖閲屾垜浠绠鍗曞湴涓句竴涓渚嬪瓙锛

娉锛氬洜涓簉andom()杩斿洖鐨勬槸涓涓灏忔暟锛屾墍浠ユ垜浠鑷宸卞啓浜嗕竴涓猤etRandomInt(min, max)鍑芥暟鏉ヨ繑鍥炰竴涓闅忔満鐨勬暣鏁般

瑙勫垯鍗侊細閭ｄ簺鐗规畩鐨勮勫垯

1銆乤 = a + 1; 杩欎釜璇鍙ユ垜浠鍙浠ョ畝鍐欎负 a++;

2銆佸悓鐞嗭紝a = a 鈥 1; 鎴戜滑鍙浠ョ畝鍐欎负 a鈥;

3銆佹潯浠惰鍙ヨ繕鏈変竴绉嶅啓娉曪細condition ? do somthing : or do something;

杩欐槸鍦 if 鍜 else 閮藉彧鏈変竴涓璇鍙ョ殑鏃跺欏彲浠ラ噰鍙栫殑绠鍐欐柟寮忋

涓句緥锛 2 < 3 ? a = 1 : a = 0; // a鐨勫间负1

涓鑸鎴戜滑鍐欐垚 a = 2 < 3 ? 1 : 0; // a鐨勫间负1

娉锛氭兂瀹屾暣鍦板︿範璇娉曡勫垯鍙浠ュ幓runoob.com鎴栬厀3school.com.cn鎼渏avascript鐨勬暀绋嬬湅銆

娆㈣繋鍏虫敞浣滆呭井淇″叕浼楀彿锛氬潖鎵撳嵃鏈

② 想学计算机编程但是不知道学什么

1.首先刚入门的话，你要先明确目标选择一门编程语言入门。个人建议选择java或者C。在学习编程语言的时候，计算机有关的知识你也是需要涉及的，也要多多去了解一下，看一些书籍，在网上下载视频边看边学效果会好一些。在你理论知识的基础上学习起来会相对容易一些。当你熟悉掌握一门语言后，这个时候就可以有学习的目标了。自己对哪方面感兴趣喜欢哪种语言就学哪门。

2.我这边来简单介绍一下java的学习内容吧。

①JAVA编程基础（基础语法、面向对象、和谐特性等）

②WEB应用开发（静态网页制作、Oracle数据库、Java Web开发技术、Linux技术、网站性能与安全、软件工程开发流程、Java Web和谐等）

③企业级框架开发（数据结构与算法、SSH框架、JavaEE和谐等）

④项目实训

3.如果你真的想学好编程语言，C语言也是蛮重要的。但是新手学C语言通常会出现一个问题，就是除了写个排序算法，似乎根本想不出来C语言有什么用。这是因为我们的教科书讲C语言的时候，只讲这些基本算法，甚至连读写文件都不去讲，更不用说图形界面处理了和网络操作了，没有这些知识，想写一个真正的应用那是不可能的。不过，书上没有不等于学不了，文件操作和网络操作的讲解网络上有着大把的讲解，只要你找几篇文章看看，具备了这些基础知识，写一个自己的WEB服务器并不难。在逐步增加功能完善功能的同时，你的C语言基本上就可以达到相当牛人的水平了。

4.互联网行业目前还是最热门的行业之一，学习IT技能之后足够优秀是有机会进入腾讯、阿里、网易等互联网大厂高薪就业的，发展前景非常好，普通人也可以学习。

想要系统学习，你可以考察对比一下开设有相关专业的热门学校，好的学校拥有根据当下企业需求自主研发课程的能力，建议实地考察对比一下。

祝你学有所成，望采纳。

③ AE表达式和脚本常用的函数是什么

1,时间

AE表达式和脚本常用的函数是什么？时间随时间线变化，值也随之变化，时间=1秒1，时间=1秒1.5。当时间的值变化时，我们可以使表达式随时间变化。(使用分形噪声，你可以很好地看到这个时间表达式的渲染效果。)

2,该指数

AE表达式和脚本中的不同层都有自己的索引。我们可以根据不同的层次做出不同的效果。

3、价值

不带表达式的此属性的当前值。在下面的图中，将value表达式添加到当前值，以表示x+10 y+20是其原始值的值。

4、wiggle(频率，amp)

AE表达式和脚本常用的函数是什么？Swing函数(感觉经常使用helper)。有两个参数。第一个频率是振荡频率，第二个安培是振荡振幅。这是一个非常有用的表达式，也是一个基本表达式。

5、随机

AE表达式和脚本常用的函数是什么？这是一个随机函数。通过调用random()，我们得到一个介于0和1之间的随机值。然后我们可以用随机值来产生各种随机效果。

6, valueAtTime (t)

这也是一种常见的AE表达式和脚本。调用此函数以获得相应的时间值。

7, loopOut

循环功能。如果您希望创建一个来回移动的球，但不想重复K帧，请记住这个表达式:只创建一个来回移动的关键帧，并添加loopout()函数。

以上就是《影视后期课堂：AE表达式和脚本常用的函数有哪些?》的主要内容，如果你想了解影视后期的基本知识，并且将他们运用到您的作品中，那么本文一定会给你有效的帮助。如果你想学习更多关于影视后期的知识或资讯等，可以点击本站的其他文章进行学习。

④ 各种编程语言的深度学习库整理大全！

各种编程语言的深度学习库整理大全！
Python1. Theano是一个python类库，用数组向量来定义和计算数学表达式。它使得在Python环境下编写深度学习算法变得简单。在它基础之上还搭建了许多类库。
1.Keras是一个简洁、高度模块化的神经网络库，它的设计参考了Torch，用Python语言编写，支持调用GPU和CPU优化后的Theano运算。
2.Pylearn2是一个集成大量深度学习常见模型和训练算法的库，如随机梯度下降等。它的功能库都是基于Theano之上。
3.Lasagne是一个搭建和训练神经网络的轻量级封装库，基于Theano。它遵循简洁化、透明化、模块化、实用化和专一化的原则。
4.Blocks也是一个基于Theano的帮助搭建神经网络的框架。
2. Caffe是深度学习的框架，它注重于代码的表达形式、运算速度以及模块化程度。它是由伯克利视觉和学习中心（Berkeley Vision and Learning Center, BVLC）以及社区成员共同开发。谷歌的DeepDream项目就是基于Caffe框架完成。这个框架是使用BSD许可证的C++库，并提供了Python调用接口。
3. nolearn囊括了大量的现有神经网络函数库的封装和抽象接口、大名鼎鼎的Lasagne以及一些机器学习的常用模块。
4. Genism也是一个用Python编写的深度学习小工具，采用高效的算法来处理大规模文本数据。
5. Chainer在深度学习的理论算法和实际应用之间架起一座桥梁。它的特点是强大、灵活、直观，被认为是深度学习的灵活框架。
6. deepnet是基于GPU的深度学习算法函数库，使用Python语言开发，实现了前馈神经网络（FNN）、受限玻尔兹曼机（RBM）、深度信念网络（DBN）、自编码器（AE）、深度玻尔兹曼机（DBM）和卷积神经网络（CNN）等算法。
7. Hebel也是深度学习和神经网络的一个Python库，它通过pyCUDA控制支持CUDA的GPU加速。它实现了最重要的几类神经网络模型，提供了多种激活函数和模型训练方法，例如momentum、Nesterov momentum、dropout、和early stopping等方法。
8. CXXNET是一个基于MShadow开发的快速、简洁的分布式深度学习框架。它是一个轻量级、易扩展的C++/CUDA神经网络工具箱，提供友好的Python/Matlab接口来进行训练和预测。
9. DeepPy是基于NumPy的深度学习框架。
10. DeepLearning是一个用C++和Python共同开发的深度学习函数库。
11. Neon是Nervana System 的深度学习框架，使用Python开发。
Matlab
1. ConvNet 卷积神经网络是一类深度学习分类算法，它可以从原始数据中自主学习有用的特征，通过调节权重值来实现。
2. DeepLearnToolBox是用于深度学习的Matlab/Octave工具箱，它包含深度信念网络（DBN）、栈式自编码器（stacked AE）、卷积神经网络（CNN）等算法。
3. cuda-convet是一套卷积神经网络（CNN）代码，也适用于前馈神经网络，使用C++/CUDA进行运算。它能对任意深度的多层神经网络建模。只要是有向无环图的网络结构都可以。训练过程采用反向传播算法（BP算法）。
4. MatConvNet是一个面向计算机视觉应用的卷积神经网络（CNN）Matlab工具箱。它简单高效，能够运行和学习最先进的机器学习算法。
CPP
1. eblearn是开源的机器学习C++封装库，由Yann LeCun主导的纽约大学机器学习实验室开发。它用基于能量的模型实现卷积神经网络，并提供可视化交互界面（GUI）、示例以及示范教程。
2. SINGA是Apache软件基金会支持的一个项目，它的设计目标是在现有系统上提供通用的分布式模型训练算法。
3. NVIDIA DIGITS是用于开发、训练和可视化深度神经网络的一套新系统。它把深度学习的强大功能用浏览器界面呈现出来，使得数据科学家和研究员可以实时地可视化神经网络行为，快速地设计出最适合数据的深度神经网络。
4. Intel? Deep Learning Framework提供了Intel?平台加速深度卷积神经网络的一个统一平台。
Java
1. N-Dimensional Arrays for Java (ND4J) 是JVM平台的科学计算函数库。它主要用于产品中，也就是说函数的设计需求是运算速度快、存储空间最省。
2. Deeplearning4j 是第一款商业级别的开源分布式深度学习类库，用Java和Scala编写。它的设计目的是为了在商业环境下使用，而不是作为一款研究工具。
3. Encog是一个机器学习的高级框架，涵盖支持向量机、人工神经网络、遗传编程、贝叶斯网络、隐马可夫模型等，也支持遗传算法。
JavaScript
1. Convnet.js 由JavaScript编写，是一个完全在浏览器内完成训练深度学习模型（主要是神经网络）的封装库。不需要其它软件，不需要编译器，不需要安装包，不需要GPU，甚至不费吹灰之力。
Lua
1. Torch是一款广泛适用于各种机器学习算法的科学计算框架。它使用容易，用快速的脚本语言LuaJit开发，底层是C/CUDA实现。Torch基于Lua编程语言。
Julia
1. Mocha是Julia的深度学习框架，受C++框架Caffe的启发。Mocha中通用随机梯度求解程序和通用模块的高效实现，可以用来训练深度/浅层（卷积）神经网络，可以通过（栈式）自编码器配合非监督式预训练（可选）完成。它的优势特性包括模块化结构、提供上层接口，可能还有速度、兼容性等更多特性。
Lisp
1. Lush(Lisp Universal Shell)是一种面向对象的编程语言，面向对大规模数值和图形应用感兴趣的广大研究员、实验员和工程师们。它拥有机器学习的函数库，其中包含丰富的深度学习库。
Haskell
1. DNNGraph是Haskell用于深度神经网络模型生成的领域特定语言（DSL）。
.NET
1. Accord.NET 是完全用C#编写的.NET机器学习框架，包括音频和图像处理的类库。它是产品级的完整框架，用于计算机视觉、计算机音频、信号处理和统计应用领域。
R
1. darch包可以用来生成多层神经网络（深度结构）。训练的方法包括了对比散度的预训练和众所周知的训练算法（如反向传播法或共轭梯度法）的细调。
2. deepnet实现了许多深度学习框架和神经网络算法，包括反向传播(BP)、受限玻尔兹曼机(RBM)、深度信念网络(DBP)、深度自编码器(Deep autoencoder)等等。

⑤ Peoplesoft 是什么 是一种软件呢 还是 一种编程语言啊

简单的说，peoplesoft是一种人力资源管理系统，它有专门的开发工具peopletools，需要的代码是peoplecode和AE程序。对于人力资源管理而言，这是一款很强大的系统软件