【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，并结合本人实战经验而作，如有错误，欢迎指出！ 
作者 : totorocyx 　　　邮箱 : 847994259@qq.com（转载请联系）

简介

官方的定义是：TFLearn是一个深度学习库，它提供了基于tensorflow的高层API接口．它是在tensorflow上建立的一个模块化的易于使用的库，有助于加快你构建deep learning网络的过程，节省冗长的代码时间．

TFLearn 有如下特性：

• Easy-to-use and understand high-level API for implementing deep neural networks, with tutorial and examples. 
  (容易使用和易于理解的高层次 API 用于实现深度神经网络，附带教程和例子)
• Fast prototyping through highly modular built-in neural network layers, regularizers, optimizers, metrics… 
  (通过高度模块化的内置神经网络层、正则化器、优化器等进行快速原型设计)
• Full transparency over Tensorflow. All functions are built over tensors and can be used independently of TFLearn. 
  (对 TensorFlow 完全透明，所有函数都是基于 tensor，可以独立于 TFLearn 使用)
• Powerful helper functions to train any TensorFlow graph, with support of multiple inputs, outputs and optimizers. 
  (强大的辅助函数，可训练任意 TensorFlow 图，支持多输入、多输出和优化器) 
  Easy and beautiful graph visualization, with details about weights, gradients, activations and more… 
  (简单而美观的图可视化，可以查看关于权值、梯度、特征图等细节)
• Effortless device placement for using multiple CPU/GPU. 
  (无需人工干预，可使用多 CPU、多 GPU)

预览

以下是使用tflearn搭建深度网络的代码示例（python）：

# 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)

 
 


  
  
1

  
  
2

  
  
3

  
  
4

  
  
5

  
  
6

  
  
7

  
  
8

  
  
9

  
  
10

  
  
11
 
 

# 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)

 
 


  
  
1

  
  
2

  
  
3

  
  
4

  
  
5

  
  
6

  
  
7

  
  
8

  
  
9

  
  
10
 
 

更多示例可以点击这里查看． 

模型可视化

tflearn提供了模型可视化的功能，可以很方便地查看模型的训练情况等．例如：

• Graph （网络图）： 
  

• Loss & Accuracy （损失和精度）： 
  

• Layers （层）： 
  

源码下载

GitHub: https://github.com/tflearn/tflearn.

from:http://blog.csdn.net/totorocyx/article/details/78503134