TFLearn：為TensorFlow提供更高級別的API 的深度學習庫
- 2019 年 10 月 4 日
- 筆記
【磐創AI 導讀】：本文將會帶大家了解TFLearn，歡迎大家轉發、留言。
TFlearn是一個基於Tensorflow構建的模組化透明深度學習庫。它旨在為TensorFlow提供更高級別的API，以促進和加速實驗，同時保持完全透明並與之兼容。
TFLearn功能包括：
- 通過教程和示例，易於使用和理解用於實現深度神經網路的高級API。
- 通過高度模組化的內置神經網路層，正則化器，優化器，指標進行快速原型設計
- Tensorflow完全透明。所有功能都是通過張量構建的，可以獨立於TFLearn使用。
- 強大的輔助功能，可以訓練任何TensorFlow 圖，支援多個輸入，輸出和優化器。
- 簡單而美觀的圖形可視化，包含有關權重，梯度，激活等的詳細資訊。
- 輕鬆使用多個CPU / GPU的設備。
高級API目前支援大多數最近的深度學習模型，如Convolutions，LSTM，BiRNN，BatchNorm，PReLU，殘留網路，生成網路……未來，TFLearn也將與最新版本保持同步最新的深度學習模型。
注意：最新的TFLearn（v0.3）僅與TensorFlow v1.0及更高版本兼容。
概覽
＃分類
# Classification tflearn.init_graph(num_cores=8, gpu_memory_fraction=0.5) net = tflearn.input_data(shape=[None, 784]) net = tflearn.fully_connected(net, 64) net = tflearn.dropout(net, 0.5) net = tflearn.fully_connected(net, 10, activation='softmax') net = tflearn.regression(net, optimizer='adam', loss='categorical_crossentropy') model = tflearn.DNN(net) model.fit(X, Y)
＃序列生成
net = tflearn.input_data(shape=[None, 100, 5000]) net = tflearn.lstm(net, 64) net = tflearn.dropout(net, 0.5) net = tflearn.fully_connected(net, 5000, activation='softmax') net = tflearn.regression(net, optimizer='adam', loss='categorical_crossentropy') model = tflearn.SequenceGenerator(net, dictionary=idx, seq_maxlen=100) model.fit(X, Y) model.generate(50, temperature=1.0)
這裡有更多的例子 http://tflearn.org/examples/。
TensorFlow安裝
TFLearn需要安裝Tensorflow（版本1.0+）。要安裝TensorFlow，只需運行：
pip install tensorflow
或者，支援GPU：
pip install tensorflow-gpu
有關更多詳細資訊，請參閱TensorFlow安裝說明。
TFLearn安裝
要安裝TFLearn，最簡單的方法就是運行。對於前沿版本（推薦）：
pip install git + https://github.com/tflearn/tflearn.git
對於最新的穩定版本：
pip install tflearn
否則，您也可以通過運行（從源文件夾）從源安裝：
python setup.py install
有關詳細資訊，請參閱「安裝指南」。
入門
請參閱TFLearn入門，了解TFLearn基本功能或開始瀏覽TFLearn教程。 http://tflearn.org/getting_started/
例子
有許多可用的神經網路實現，請參見示例。 http://tflearn.org/examples/
文檔
http://tflearn.org/doc_index
模型可視化
損失可視化
圖層可視化
【1】tflearn：https://github.com/tflearn/tflearn
