本节书摘来异步社区《TensorFlow技术解析与实战》一书中的第2章，第2.5节，作者：李嘉璇，更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.5　依赖的其他模块

TensorFlow在运行中需要做一些矩阵运算，时常会用到一些第三方模块，此外，在处理音频、自然语言时需要也要用到一些模块，建议一并安装好。本书“实战篇”中会大量用到这些扩展。

下面我们就来简单介绍TensorFlow依赖的一些模块。

2.5.1　numpy

numpy是用来存储和处理大型矩阵的科学计算包，比Python自身的嵌套列表结构（nested list structure）要高效的多。它包括：

一个强大的N维数组对象Array；

比较成熟的函数库；用于整合C/C++和Fortran代码的工具包；实用的线性代数、傅里叶变换和随机数生成函数。numpy模块的安装方法如下：

pip install numpy --upgrade```####2.5.2　matplotlibmatplotlib是Python最著名的绘图库，它提供了一整套和MATLAB相似的命令API，十分适合交互式地进行制图。用它可以画出美丽的线图、散点图、等高线图、条形图、柱状图、3D图等，而且还可以方便地将它作为绘图控件，嵌入GUI应用程序中。在后面的实例中，需要可视化地展现训练结果或者中间的特征映射，就很方便。matplotlib模块的安装方法如下：

pip install matplotlib --upgrade`

2.5.3　jupyter

jupyter notebook是Ipython的升级版，能够在浏览器中创建和共享代码、方程、说明文档。界面相当友好，功能也很强大。其实，jupyter实际就是一个基于Tornado框架的Web应用，使用MQ进行消息管理。

jupyter模块的安装方法如下：

pip install jupyter --upgrade打开jupyter notebook：jupyter notebook```出现如下显示：

[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: [I 06:02:13.454 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).`浏览器自动打开，启动成功，界面如图 2-11 所示。其中，在 tensorflow-1.1.0/tensorflow/ examples/udacity下有许多扩展名为.ipynb的示例文件，读者可以自行在浏览器中打开和学习。

2.5.4　scikit-image

scikit-image[7]有一组图像处理的算法，可以使过滤一张图片变得很简单，非常适合用于对图像的预处理。

scikit-image模块的安装方法如下：

pip install scikit-image --upgrade```####2.5.5　librosalibrosa是用Python进行音频特征提取的第三方库，有很多方式可以提取音频特征。librosa模块的安装如下：

pip install librosa --upgrade`

2.5.6　nltk

nltk[8]模块中包含着大量的语料库，可以很方便地完成很多自然语言处理的任务，包括分词、词性标注、命名实体识别（NER）及句法分析。

nltk的安装方法：

pip install nltk --upgrade```安装完成后，需要导入nltk工具包，下载nltk数据源，如下：

import nltk

nltk.download()`

2.5.7　keras

Keras是第一个被添加到TensorFlow核心中的高级别框架，成为Tensorflow的默认API。第7章中会详细讲解Keras的使用。

keras模块的安装方法如下：

pip install keras --upgrade```####2.5.8　tflearnTFLearn是另一个支持TensorFlow的第三方框架，第7章中会详细讲解TFLearn的使用。tflearn模块的安装方法如下：

pip install git+`