本节书摘来自异步社区《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 matplotlib
matplotlib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: http://localhost:8888/
[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。
图2-11
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 librosa
librosa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 tflearn
TFLearn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+https://github.com/tflearn/tflearn.git``
