TensorFlow - TFLearn 及其安装

TFLearn 可以定义为 TensorFlow 框架中使用的模块化和透明的深度学习方面。 TFLearn 的主要动机是为 TensorFlow 提供更高级别的 API，以促进和展示新的实验。

考虑以下 TFLearn 的重要特性 −

• TFLearn 易于使用和理解。

• 它包括构建高度模块化的网络层、优化器和嵌入其中的各种指标的简单概念。

• 它包括 TensorFlow 工作系统的完全透明性。

• 它包括强大的辅助函数来训练接受多个输入、输出和优化器的内置张量。

• 它包括简单而漂亮的图形可视化。

• 图形可视化包括权重、梯度和激活的各种细节。

通过执行以下命令安装 TFLearn −

pip install tflearn

执行上述代码后，将生成以下输出 −

下图展示了 TFLearn 与 Random Forest 分类器的实现 −

from __future__ import division, print_function, absolute_import

#TFLearn module implementation
import tflearn
from tflearn.estimators import RandomForestClassifier

# Data loading and pre-processing with respect to dataset
import tflearn.datasets.mnist as mnist
X, Y, testX, testY = mnist.load_data(one_hot = False)

m = RandomForestClassifier(n_estimators = 100, max_nodes = 1000)
m.fit(X, Y, batch_size = 10000, display_step = 10)

print("Compute the accuracy on train data:")
print(m.evaluate(X, Y, tflearn.accuracy_op))

print("Compute the accuracy on test set:")
print(m.evaluate(testX, testY, tflearn.accuracy_op))

print("Digits for test images id 0 to 5:")
print(m.predict(testX[:5]))

print("True digits:")
print(testY[:5])