《TensorFlow技术解析与实战》——2.5 依赖的其他模块

本文涉及的产品
全局流量管理 GTM,标准版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
云解析 DNS,旗舰版 1个月
简介: 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 第2章 TensorFlow环境的准备 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。

1

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``

相关文章
|
2月前
|
XML 数据格式 开发者
解析数据的Beautiful Soup 模块(一)
解析数据的Beautiful Soup 模块(一)
65 0
|
1月前
|
机器学习/深度学习 TensorFlow API
机器学习实战:TensorFlow在图像识别中的应用探索
【10月更文挑战第28天】随着深度学习技术的发展,图像识别取得了显著进步。TensorFlow作为Google开源的机器学习框架,凭借其强大的功能和灵活的API,在图像识别任务中广泛应用。本文通过实战案例,探讨TensorFlow在图像识别中的优势与挑战,展示如何使用TensorFlow构建和训练卷积神经网络(CNN),并评估模型的性能。尽管面临学习曲线和资源消耗等挑战,TensorFlow仍展现出广阔的应用前景。
57 5
|
2月前
|
前端开发 Python
解析数据的Beautiful Soup 模块(二)
解析数据的Beautiful Soup 模块(二)
22 1
|
3月前
|
编解码 开发工具 UED
QT Widgets模块源码解析与实践
【9月更文挑战第20天】Qt Widgets 模块是 Qt 开发中至关重要的部分,提供了丰富的 GUI 组件,如按钮、文本框等,并支持布局管理、事件处理和窗口管理。这些组件基于信号与槽机制,实现灵活交互。通过对源码的解析及实践应用,可深入了解其类结构、布局管理和事件处理机制,掌握创建复杂 UI 界面的方法,提升开发效率和用户体验。
188 12
|
2月前
|
JSON 前端开发 JavaScript
前端模块打包器的深度解析
【10月更文挑战第13天】前端模块打包器的深度解析
|
2月前
|
缓存 前端开发 JavaScript
Webpack技术深度解析:模块打包与性能优化
【10月更文挑战第13天】Webpack技术深度解析:模块打包与性能优化
|
2月前
|
JSON API 开发者
深入解析Python网络编程与Web开发:urllib、requests和http模块的功能、用法及在构建现代网络应用中的关键作用
深入解析Python网络编程与Web开发:urllib、requests和http模块的功能、用法及在构建现代网络应用中的关键作用
20 0
|
2月前
|
移动开发 网络协议 C语言
详解 httptools 模块,一个 HTTP 解析器
详解 httptools 模块,一个 HTTP 解析器
36 0
|
4月前
|
机器学习/深度学习 存储 前端开发
实战揭秘:如何借助TensorFlow.js的强大力量,轻松将高效能的机器学习模型无缝集成到Web浏览器中,从而打造智能化的前端应用并优化用户体验
【8月更文挑战第31天】将机器学习模型集成到Web应用中,可让用户在浏览器内体验智能化功能。TensorFlow.js作为在客户端浏览器中运行的库,提供了强大支持。本文通过问答形式详细介绍如何使用TensorFlow.js将机器学习模型带入Web浏览器,并通过具体示例代码展示最佳实践。首先,需在HTML文件中引入TensorFlow.js库;接着,可通过加载预训练模型如MobileNet实现图像分类;然后,编写代码处理图像识别并显示结果;此外,还介绍了如何训练自定义模型及优化模型性能的方法,包括模型量化、剪枝和压缩等。
58 1
|
4月前
|
缓存 前端开发 JavaScript
Webpack 模块解析:打包原理、构造形式、扣代码补参数和全局导出
Webpack 模块解析:打包原理、构造形式、扣代码补参数和全局导出
174 1

推荐镜像

更多