《TensorFlow技術解析與實戰》——2.5 依賴的其他子產品

本節書摘來自異步社群《tensorflow技術解析與實戰》一書中的第2章，第2.5節，作者李嘉璇，更多章節内容可以通路雲栖社群“異步社群”公衆号檢視

tensorflow在運作中需要做一些矩陣運算，時常會用到一些第三方子產品，此外，在處理音頻、自然語言時需要也要用到一些子產品，建議一并安裝好。本書“實戰篇”中會大量用到這些擴充。

下面我們就來簡單介紹tensorflow依賴的一些子產品。

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自身的嵌套清單結構（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；

用于整合c/c++和fortran代碼的工具包；

實用的線性代數、傅裡葉變換和随機數生成函數。

numpy子產品的安裝方法如下：

<code>pip install numpy --upgrade</code>

2.5.2　matplotlib

matplotlib是python最著名的繪圖庫，它提供了一整套和matlab相似的指令api，十分适合互動式地進行制圖。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，而且還可以友善地将它作為繪圖控件，嵌入gui應用程式中。在後面的執行個體中，需要可視化地展現訓練結果或者中間的特征映射，就很友善。

matplotlib子產品的安裝方法如下：

``

pip install matplotlib --upgrade``

2.5.3　jupyter

jupyter notebook是ipython的更新版，能夠在浏覽器中建立和共享代碼、方程、說明文檔。界面相當友好，功能也很強大。其實，jupyter實際就是一個基于tornado架構的web應用，使用mq進行消息管理。

jupyter子產品的安裝方法如下：

pip install jupyter --upgrade``

打開jupyter notebook：

<code>jupyter notebook</code>

出現如下顯示：

浏覽器自動打開，啟動成功，界面如圖 2-11 所示。其中，在 tensorflow-1.1.0/tensorflow/ examples/udacity下有許多擴充名為.ipynb的示例檔案，讀者可以自行在浏覽器中打開和學習。

圖2-11

2.5.4　scikit-image

scikit-image[7]有一組圖像處理的算法，可以使過濾一張圖檔變得很簡單，非常适合用于對圖像的預處理。

scikit-image子產品的安裝方法如下：

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子產品的安裝如下：

pip install librosa --upgrade``

2.5.6　nltk

nltk[8]子產品中包含着大量的語料庫，可以很友善地完成很多自然語言處理的任務，包括分詞、詞性标注、命名實體識别（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，下載下傳nltk資料源，如下：

2.5.7　keras

keras是第一個被添加到tensorflow核心中的進階别架構，成為tensorflow的預設api。第7章中會詳細講解keras的使用。

keras子產品的安裝方法如下：

pip install keras --upgrade``

2.5.8　tflearn

tflearn是另一個支援tensorflow的第三方架構，第7章中會詳細講解tflearn的使用。

tflearn子產品的安裝方法如下：