TFLearn может быть определен как модульный и прозрачный аспект глубокого обучения, используемый в платформе TensorFlow. Основным мотивом TFLearn является предоставление API TensorFlow более высокого уровня для облегчения и демонстрации новых экспериментов.
Рассмотрим следующие важные особенности TFLearn —
-
TFLearn прост в использовании и понимании.
-
Он включает в себя простые концепции для построения высокомодульных сетевых уровней, оптимизаторов и различных метрик, встроенных в них.
-
Включает полную прозрачность с системой работы TensorFlow.
-
Он включает в себя мощные вспомогательные функции для обучения встроенных тензоров, которые принимают несколько входов, выходов и оптимизаторов.
-
Он включает в себя простую и красивую визуализацию графика.
-
Визуализация графика включает в себя различные детали весов, градиентов и активаций.
TFLearn прост в использовании и понимании.
Он включает в себя простые концепции для построения высокомодульных сетевых уровней, оптимизаторов и различных метрик, встроенных в них.
Включает полную прозрачность с системой работы TensorFlow.
Он включает в себя мощные вспомогательные функции для обучения встроенных тензоров, которые принимают несколько входов, выходов и оптимизаторов.
Он включает в себя простую и красивую визуализацию графика.
Визуализация графика включает в себя различные детали весов, градиентов и активаций.
Установите TFLearn, выполнив следующую команду —
pip install tflearn
После выполнения кода выше будет сгенерирован следующий вывод:
На следующем рисунке показана реализация TFLearn с классификатором Random Forest —