TFlearn：模块化和透明的深度学习库

概述

TFlearn 建立在 Tensorflow 之上，是一个模块化和透明的深度学习库。它旨在为 TensorFlow 提供更高级别的 API，使实验更易于访问和更快，同时保持完全透明并与之兼容。大多数现代深度学习模型，例如卷积、LSTM、BiRNN、BatchNorm、PReLU、残差网络和生成网络，目前都受此高级 API 支持。得益于 TensorFlow 工作系统，TFlearn 具有完全的透明度。它允许非专家通过使用通用的高级语言开发 AI 开源项目，并使研究人员能够在结构化环境中开发、基准测试和比较他们的新方法。 TFlearn 还附带了一组有用的辅助函数，用于训练任何 TensorFlow 图，包括对多个输入、输出和优化器的支持。它还提供易于理解和有吸引力的图形可视化，其中包含有关权重、梯度、激活等的信息。

TFLearn 功能包括：

易于使用和理解的高级 API，用于实现深度神经网络，包含教程和示例。
通过高度模块化的内置神经网络层、正则化器、优化器、度量...快速制作原型。
Tensorflow 完全透明。所有函数都是基于张量构建的，可以独立于 TFLearn 使用。
强大的辅助函数可以训练任何 TensorFlow 图，支持多个输入、输出和优化器。
简单而漂亮的图形可视化，包含有关权重、梯度、激活等的详细信息......
使用多个 CPU/GPU 轻松放置设备。

示例

# 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)

# Sequence Generation
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)

[hidecontent type="logged" desc="隐藏内容：登录后可查看"]

这里还有更多示例。

兼容性

TFLearn 基于原始的 tensorflow v1 图形 API。使用 TFLearn 时，请确保以这种方式导入 tensorflow：

import tflearn
import tensorflow.compat.v1 as tf

安装

安装 TensorFlow

TFLearn 需要安装 Tensorflow（版本 2.0+）。

要安装 TensorFlow，只需运行：

pip install tensorflow

或者，在 GPU 支持下：

pip install tensorflow-gpu

有关详细信息，请参阅TensorFlow 安装说明

TFLearn 安装

要安装 TFLearn，最简单的方法是运行

对于最前沿的版本（推荐）：

pip install git+https://github.com/tflearn/tflearn.git

对于最新的稳定版本：

pip install tflearn

否则，您也可以通过运行（从源文件夹）从源安装：

python setup.py install

有关详细信息，请参阅安装指南。

[/hidecontent]