为研究人员和工程师提供的高级Tensorflow深度学习库。
项目描述
TensorLayer 是一个基于 TensorFlow 的深度学习和强化学习库，旨在为研究人员和工程师设计。它提供了一大批可定制的神经网络层/函数，这些是构建现实世界人工智能应用的关键。TensorLayer 被授予 2017 年 ACM 多媒体学会颁发的最佳开源软件奖。
设计特点
TensorLayer 是一个以简洁、灵活和高性能为设计理念的深度学习库。
简洁性：TensorLayer 拥有高级层/模型抽象，易于学习。您可以在几分钟内通过大量的[示例](https://github.com/tensorlayer/awesome-tensorlayer)了解深度学习如何帮助您的 AI 任务。
灵活性：TensorLayer API 透明且灵活，受 PyTorch 库的启发。与 Keras 抽象相比，TensorLayer 使构建和训练复杂 AI 模型变得更加容易。
零成本抽象：尽管使用简单，但 TensorLayer 不需要您在 TensorFlow 的性能上做出任何妥协（请参阅以下基准部分以获取更多详细信息）。
TensorLayer 在 TensorFlow 包装器中占据一个独特的位置。其他包装器如 Keras 和 TFLearn 隐藏了 TensorFlow 的许多强大功能，并且对编写自定义 AI 模型的支持很少。受 PyTorch 启发，TensorLayer API 简单、灵活且 Pythonic，易于学习，同时足够灵活以应对复杂的 AI 任务。TensorLayer 拥有快速增长的社区。它已被全球的研究人员和工程师使用，包括北京大学、伦敦帝国理工学院、加州大学伯克利分校、卡内基梅隆大学、斯坦福大学以及 Google、Microsoft、阿里巴巴、腾讯、小米和彭博社等公司。
安装
TensorLayer 需要包括 TensorFlow、numpy 等在内的先决条件。对于 GPU 支持，需要 CUDA 和 cuDNN。安装 TensorLayer 最简单的方法是使用 Python 包索引（PyPI）
# for last stable version
pip install --upgrade tensorlayer
# for latest release candidate
pip install --upgrade --pre tensorlayer
# if you want to install the additional dependencies, you can also run
pip install --upgrade tensorlayer[all] # all additional dependencies
pip install --upgrade tensorlayer[extra] # only the `extra` dependencies
pip install --upgrade tensorlayer[contrib_loggers] # only the `contrib_loggers` dependencies或者，您可以直接从 github 拉取最新或开发版本进行安装
pip install https://github.com/tensorlayer/tensorlayer/archive/master.zip
# or
# pip install https://github.com/tensorlayer/tensorlayer/archive/<branch-name>.zip使用 Docker - 一个现成的环境
基于官方 TensorFlow 容器 的 TensorLayer 容器 已经构建
支持 CPU 的容器
# for CPU version and Python 2
docker pull tensorlayer/tensorlayer:latest
docker run -it --rm -p 8888:8888 -p 6006:6006 -e PASSWORD=JUPYTER_NB_PASSWORD tensorlayer/tensorlayer:latest
# for CPU version and Python 3
docker pull tensorlayer/tensorlayer:latest-py3
docker run -it --rm -p 8888:8888 -p 6006:6006 -e PASSWORD=JUPYTER_NB_PASSWORD tensorlayer/tensorlayer:latest-py3支持 GPU 的容器
这些容器需要 NVIDIA-Docker 才能工作：[项目链接](https://github.com/NVIDIA/nvidia-docker)
# for GPU version and Python 2
docker pull tensorlayer/tensorlayer:latest-gpu
nvidia-docker run -it --rm -p 8888:88888 -p 6006:6006 -e PASSWORD=JUPYTER_NB_PASSWORD tensorlayer/tensorlayer:latest-gpu
# for GPU version and Python 3
docker pull tensorlayer/tensorlayer:latest-gpu-py3
nvidia-docker run -it --rm -p 8888:8888 -p 6006:6006 -e PASSWORD=JUPYTER_NB_PASSWORD tensorlayer/tensorlayer:latest-gpu-py3贡献
在提交您的 PR 之前，请阅读贡献指南。
引用
如果您发现这个项目很有用，我们将会非常感谢您引用 TensorLayer 论文。
@article{tensorlayer2017,
author = {Dong, Hao and Supratak, Akara and Mai, Luo and Liu, Fangde and Oehmichen, Axel and Yu, Simiao and Guo, Yike},
journal = {ACM Multimedia},
title = {{TensorLayer: A Versatile Library for Efficient Deep Learning Development}},
url = {http://tensorlayer.org},
year = {2017}
}
@inproceedings{tensorlayer2021,
title={Tensorlayer 3.0: A Deep Learning Library Compatible With Multiple Backends},
author={Lai, Cheng and Han, Jiarong and Dong, Hao},
booktitle={2021 IEEE International Conference on Multimedia \& Expo Workshops (ICMEW)},
pages={1--3},
year={2021},
organization={IEEE}
许可证
TensorLayer 在 Apache 2.0 许可下发布。
下载文件
下载适合您平台的文件。如果您不确定选择哪个，请了解有关安装包的更多信息。
源分布
构建分布
tensorlayer-2.2.5.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | d74e6ebd8b4bf8b62300f70f8e42429100c3a5b8bdad39f038384cbc8315a33c |
|
| MD5 | 179e0fef52ab04a45c6ffbc11198a73a |
|
| BLAKE2b-256 | 449e2806af7a4c4e6948342247444e8341df20eee806d98a68b1f1274faf5cb0 |
tensorlayer-2.2.5-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 21a169db7b00945eed690c615587a186d0657e05e0669faa883655cc7fcb523d |
|
| MD5 | 29a39f3e4e3c6c61113bce103a6aaf51 |
|
| BLAKE2b-256 | 6626cb5ace43834ec794cab2413a19c68391976036da90da5fe83e190e4ded4d |
