782
《TensorFlow技術解析與實戰》——第2章 TensorFlow環境的準備 2.5依賴的其他模塊
本節書摘來自異步社區《TensorFlow技術解析與實戰》一書中的第2章，第2.5節，作者李嘉璿，更多章節內容可以訪問雲棲社區“異步社區”公眾號查看
第2章 TensorFlow環境的準備
2.5 依賴的其他模塊
TensorFlow在運行中需要做一些矩陣運算，時常會用到一些第三方模塊，此外，在處理音頻、自然語言時需要也要用到一些模塊，建議一並安裝好。本書“實戰篇”中會大量用到這些擴展。
下麵我們就來簡單介紹TensorFlow依賴的一些模塊。
2.5.1 numpy
numpy是用來存儲和處理大型矩陣的科學計算包，比Python自身的嵌套列表結構（nested list structure）要高效的多。它包括：
一個強大的N維數組對象Array；
比較成熟的函數庫；
用於整合C/C++和Fortran代碼的工具包；
實用的線性代數、傅裏葉變換和隨機數生成函數。
numpy模塊的安裝方法如下：
pip install numpy --upgrade
2.5.2 matplotlib
matplotlib是Python最著名的繪圖庫，它提供了一整套和MATLAB相似的命令API，十分適合交互式地進行製圖。用它可以畫出美麗的線圖、散點圖、等高線圖、條形圖、柱狀圖、3D圖等，而且還可以方便地將它作為繪圖控件，嵌入GUI應用程序中。在後麵的實例中，需要可視化地展現訓練結果或者中間的特征映射，就很方便。
matplotlib模塊的安裝方法如下：
pip install matplotlib --upgrade
2.5.3 jupyter
jupyter notebook是Ipython的升級版，能夠在瀏覽器中創建和共享代碼、方程、說明文檔。界麵相當友好，功能也很強大。其實，jupyter實際就是一個基於Tornado框架的Web應用，使用MQ進行消息管理。
jupyter模塊的安裝方法如下：
pip install jupyter --upgrade
打開jupyter notebook：
jupyter notebook
出現如下顯示：
[W 06:02:13.434 NotebookApp] Widgets are unavailable．Please install widgetsnbextension or ipywidgets 4.0
[I 06:02:13.454 NotebookApp] Serving notebooks from local directory: /Users/baidu/ Downloads/tensorflow-0.12/tensorflow
[I 06:02:13.454 NotebookApp] 0 active kernels
[I 06:02:13.454 NotebookApp] The Jupyter Notebook is running at: https://localhost:8888/
[I 06:02:13.454 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
瀏覽器自動打開，啟動成功，界麵如圖 2-11 所示。其中，在 tensorflow-1.1.0/tensorflow/ examples/udacity下有許多擴展名為.ipynb的示例文件，讀者可以自行在瀏覽器中打開和學習。
圖2-11
2.5.4 scikit-image
scikit-image[7]有一組圖像處理的算法，可以使過濾一張圖片變得很簡單，非常適合用於對圖像的預處理。
scikit-image模塊的安裝方法如下：
pip install scikit-image --upgrade
2.5.5 librosa
librosa是用Python進行音頻特征提取的第三方庫，有很多方式可以提取音頻特征。
librosa模塊的安裝如下：
pip install librosa --upgrade
2.5.6 nltk
nltk[8]模塊中包含著大量的語料庫，可以很方便地完成很多自然語言處理的任務，包括分詞、詞性標注、命名實體識別（NER）及句法分析。
nltk的安裝方法：
pip install nltk --upgrade
安裝完成後，需要導入nltk工具包，下載nltk數據源，如下：
>>> import nltk
>>> nltk.download()
2.5.7 keras
Keras是第一個被添加到TensorFlow核心中的高級別框架，成為Tensorflow的默認API。第7章中會詳細講解Keras的使用。
keras模塊的安裝方法如下：
pip install keras --upgrade
2.5.8 tflearn
TFLearn是另一個支持TensorFlow的第三方框架，第7章中會詳細講解TFLearn的使用。
tflearn模塊的安裝方法如下：
pip install git+https://github.com/tflearn/tflearn.git
最後更新：2017-05-24 12:01:30