在数据科学工作流中频繁使用的两款出色的软件是Jupyter Notebook和matplotlib。它们与NumPy协同使用已有多

年，TensorFlow与NumPy的紧密集成使得用户可采用他们熟悉的工作模式。两者均为开源软件，且采用的许可协议均为BSD。

利用Jupyter Notebook(前身为iPython Notebook)，可交互式地编写包含代码、文本、输出、LaTeX及其他可视化结果的文 档。这使得它在依据探索分析创建报告时极为有用，因为可将创建可视化图表的代码直接在图表的旁边展示出来，也可利用 Markdown单元以格式丰富的文本分享你对于某个特定方法的见解。此外，对于设计原型的想法，Jupyter Notebook也极为出色， 因为你可回顾和编辑部分代码，然后从笔记本中直接运行。与许多其他要求逐行执行代码的交互式Python环境不同，Jupyter Notebook允许将代码写入逻辑块中，这使得调试脚本中特定部分相对容易。在TensorFlow中，这个特性是极有价值的，因为典型 的TensorFlow程序已经被划分为“计算图的定义”和“运行计算图”两部分。

matplotlib是一个绘图库，它允许用户使用Python创建动态的、自定义的可视化结果。它与NumPy无缝集成，其绘图结果可直 接显示在Jupyter Notebook中。matplotlib也可将数值数据以图像的形式可视化，这个功能可用于验证图像识别任务的输出，并将神 经网络的内部单元可视化。构建在Matplotlib之上的其他层，如Seaborn，可用于增强其功能。