tflearn教程_TFLearn:为TensorFlow提供更高级别的API 的深度学习库
TFlearn是一个基于Tensorflow构建的模块化透明深度学习库。它旨在为TensorFlow提供更高级别的API,以促进和加速实验,同时保持完全透明并与之兼容。
TFLearn功能包括:
通过教程和示例,易于使用和理解用于实现深度神经网络的高级API。通过高度模块化的内置神经网络层,正则化器,优化器,指标进行快速原型设计Tensorflow完全透明。所有功能都是通过张量构建的,可以独立于TFLearn使用。强大的辅助功能,可以训练任何TensorFlow 图,支持多个输入,输出和优化器。简单而美观的图形可视化,包含有关权重,梯度,激活等的详细信息。轻松使用多个CPU / GPU的设备。高级API目前支持大多数最近的深度学习模型,如Convolutions,LSTM,BiRNN,BatchNorm,PReLU,残留网络,生成网络......未来,TFLearn也将与最新版本保持同步最新的深度学习模型。
注意:最新的TFLearn(v0.3)仅与TensorFlow v1.0及更高版本兼容。
概览
分类
# Classificationtflearn.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)这里有更多的例子 http://tflearn.org/examples/。
安装TensorFlow
安装
TFLearn需要安装Tensorflow(版本1.0+)。
要安装TensorFlow,只需运行:
pip install tensorflowpip install tensorflow或者,支持GPU:
pip install tensorflow-gpu有关更多详细信息,请参阅TensorFlow安装说明
TFLearn安装
要安装TFLearn,最简单的方法就是运行
对于前沿版本(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”。入门请参阅TFLearn入门,了解TFLearn基本功能或开始浏览TFLearn教程。http://tflearn.org/getting_started/
例子有许多可用的神经网络实现,请参见示例。http://tflearn.org/examples/
文档http://tflearn.org/doc_index
模型可视化
损失可视化
图层可视化
tflearn: https://github.com/tflearn/tflearn
tflearn教程_TFLearn:为TensorFlow提供更高级别的API 的深度学习库相关推荐
- 对比丨深度学习库大排名:TensorFlow、Keras名列一二,Sonnet增长最快
排名 我们排名 23 个用于数据科学的深度学习开源库,排名的衡量标准有 3 个:GitHub.Stack Overflow 活动以及谷歌搜索结果. 上表中给出了每个开源库的总分值,以及各自在 GitH ...
- Torch7系列教程之Torch深度学习库教程(一)
Torch7深度学习库教程 写在前面的话 torch库 1 Tensor库 1.1 Tensor数据使用简介 1.2 Tensor构造函数 1.3 作用于Torch上的一些操作函数 2 Storage ...
- 【AI创新者】TensorFlow 贡献者唐源:掌握 Google 深度学习框架的正确姿势
自 2015 年底开源到如今更快.更灵活.更方便的 1.0 版本正式发布,由 Google 推出的第二代分布式机器学习系统 TensorFlow 一直在为我们带来惊喜,一方面是技术层面持续的迭代演进, ...
- 转:【AI每日播报】从TensorFlow到Theano:横向对比七大深度学习框架
http://geek.csdn.net/news/detail/139235 说到近期的深度学习框架,TensorFlow火的不得了,虽说有专家在朋友圈大声呼吁,不能让TensorFlow形成垄断地 ...
- 专访 TensorFlow 贡献者唐源:掌握 Google 深度学习框架的正确姿势
专访 TensorFlow 贡献者唐源:掌握 Google 深度学习框架的正确姿势 TensorFlow 开源 数据科学 XGBoost Spark 阅读2704
- tflearn教程_tflearn api文档
[tflearn系列教程](一)为什么要学tflearn? 什么是tflearn 本教程参考自tflearn官方文档(英文版)http://tflearn.org,主要是对官方文档的翻译与讲解,并结合 ...
- TensorFlow 2.X中的动手NLP深度学习模型准备
简介:为什么我写这篇文章 (Intro: why I wrote this post) Many state-of-the-art results in NLP problems are achiev ...
- 使用TensorFlow,GPU和Docker容器进行深度学习
摘要: 数据科学家使用GPU来提高TensorFlow的计算速度,但GPU价格昂贵,也需要对其所占用的资源进行认真的管理.本文将带你来一起解决这一问题. 在过去的几个月中,我和多个企业的数据科学团队进 ...
- python深度学习库系列教程——python调用opencv库教程
分享一个朋友的人工智能教程.零基础!通俗易懂!风趣幽默!还带黄段子!大家可以看看是否对自己有帮助:点击打开 全栈工程师开发手册 (作者:栾鹏) python教程全解 OpenCV安装 pip inst ...
最新文章
- js及jQuery实现checkbox的全选、反选和全不选
- 快速学习C语言的途径,让你少走弯路!
- c字符串中包含双引号_必须知道的C语言知识细节:单引号和双引号正确用法
- python random()*10的值不可能是_Python
- 二分- Count on Canton
- 数据结构第三篇——线性表的链式存储之单链表
- 2007以学习软件设计开始
- 用计算机控制神舟十号,整理后的计算机控制系统复习题答案
- 移动产品原型和线框图设计工具介绍
- 昨晚我遇到了超级网红:区块链本人
- 使用python实现多个excel文件合并到一个excel的不同sheet中
- ae 渲染 计算机内存不足,AE内存不足怎么办? After Effects内存不足【解决方法】...
- Excel条件格式使用小总结
- 攻防世界 Web-mfw
- tc7102路由器虚拟服务器,国内电信推首款WiFi 6+路由器TC7102,5G和WiFi 6成黄金搭档-贤集网...
- photoshop序列号问题
- 能远程控制你电脑的苹果充电线正在生产和售卖,走一个?
- 办公小贴士之:Excel奇偶行隔行填充颜色
- Lect2 Java 中的 Interface
- 时区缩写 UTC, CST, GMT, CEST 以及转换