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