TensorLayer — это новая библиотека глубокого обучения и обучения с подкреплением на основе TensorFlow, предназначенная для исследователей и инженеров. Она предоставляет обширную коллекцию настраиваемых нейронных слоёв для быстрого создания продвинутых моделей искусственного интеллекта. На основе этого сообщество открыло исходный код множества руководств и приложений.

TensorLayer награждён премией «Лучшее программное обеспечение с открытым исходным кодом» 2017 года от ACM Multimedia Society. Этот проект также можно найти на OpenI и Gitee.

Новости

🔥 TensorLayerX — это унифицированная среда глубокого и машинного обучения для всех аппаратных средств, бэкендов и операционных систем. Текущая версия поддерживает TensorFlow, Pytorch, MindSpore, PaddlePaddle, OneFlow и Jittor в качестве бэкендов, позволяя пользователям запускать код на разном оборудовании, таком как Nvidia-GPU и Huawei-Ascend.

🔥 Теперь TensorLayer доступен на OpenI.

🔥 Зоопарк обучения с подкреплением: низкоуровневые API для профессионального использования, высокоуровневые API для простого использования и соответствующий учебник Springer.

🔥 Sipeed Maxi-EMC: запуск моделей TensorLayer на недорогом чипе AI (например, K210) (альфа-версия).

Особенности дизайна

TensorLayer — это новая библиотека глубокого обучения, разработанная с учётом простоты, гибкости и высокой производительности.

• Простота: TensorLayer имеет абстракцию высокого уровня для слоёв и моделей, которую легко освоить. Вы можете узнать, как глубокое обучение может помочь вам в задачах искусственного интеллекта, за считанные минуты благодаря многочисленным примерам.
• Гибкость: API TensorLayer прозрачны и гибки, вдохновлены новым PyTorch. Библиотека TensorLayer

По сравнению с абстракцией Keras, TensorLayer значительно упрощает создание и обучение сложных моделей искусственного интеллекта.

• Нулевая стоимость абстракции: Несмотря на простоту использования, TensorLayer не требует от вас идти на компромисс в производительности TensorFlow (подробнее см. в разделе «Бенчмарк»).

TensorLayer занимает уникальное место среди оболочек TensorFlow. Другие оболочки, такие как Keras и TFLearn, скрывают многие мощные функции TensorFlow и предоставляют небольшую поддержку для написания пользовательских моделей ИИ. Вдохновлённые PyTorch, API TensorLayer просты, гибки и Pythonic, что делает их лёгкими в изучении и достаточно гибкими, чтобы справляться со сложными задачами ИИ.

У TensorLayer быстрорастущее сообщество. Им пользуются исследователи и инженеры по всему миру, включая представителей Пекинского университета, Имперского колледжа Лондона, Калифорнийского университета в Беркли, Университета Карнеги-Меллона, Стэнфордского университета и таких компаний, как Google, Microsoft, Alibaba, Tencent, Xiaomi и Bloomberg.

Многоязычные документы

TensorLayer имеет обширную документацию как для начинающих, так и для профессионалов. Документация доступна на английском и китайском языках.

Если вы хотите попробовать экспериментальные функции из основной ветки, вы можете найти последнюю версию документа здесь.

Обширные примеры

Вы можете найти большую коллекцию примеров, использующих TensorLayer, здесь и в следующем пространстве:

Начало работы

TensorLayer 2.0 опирается на TensorFlow, numpy и другие. Для использования GPU требуются CUDA и cuDNN.

Установите TensorFlow:

pip3 install tensorflow-gpu==2.0.0-rc1 # TensorFlow GPU (версия 2.0 RC1)
pip3 install tensorflow # CPU версия

Установите стабильную версию TensorLayer:

pip3 install tensorlayer

Установите нестабильную версию разработки TensorLayer:

pip3 install git+https://github.com/tensorlayer/tensorlayer.git

Если вы хотите установить дополнительные зависимости, вы также можете запустить:

pip3 install --upgrade tensorlayer[all]              # все дополнительные зависимости
pip3 install --upgrade tensorlayer[extra]            # только зависимости `extra`
pip3 Если вы пользователь TensorFlow 1.X, вы можете использовать TensorLayer 1.11.0:
pip3 install --upgrade tensorlayer[contrib_loggers]  # только зависимости `contrib_loggers`

# Для последней стабильной версии TensorLayer 1.X
pip3 install --upgrade tensorlayer==1.11.0