高级Tensorflow深度学习库,面向研究人员和工程师。
项目描述
TensorLayerX 是一个为研究人员和工程师设计的深度学习库,它兼容多个深度学习框架,如 TensorFlow、MindSpore 和 PaddlePaddle,使用户能够在不同的硬件上运行代码,如 Nvidia-GPU 和 Huawei-Ascend。它提供了流行的深度学习和强化学习模块,可以轻松定制和组装,以解决现实世界的机器学习问题。更多详细信息请在此处查看。TensorLayerX 将在未来支持 TensorFlow、MindSpore、PaddlePaddle 和 PyTorch 后端。
安装
TensorLayerX 需要先安装一些前提条件,包括 TensorFlow、MindSpore、PaddlePaddle、numpy 和 matplotlib。对于 GPU 支持,需要 CUDA 和 cuDNN。
# for last stable version
pip install --upgrade tensorlayerX
# for latest release candidate
pip install --upgrade --pre tensorlayerX
# if you want to install the additional dependencies, you can also run
pip install --upgrade tensorlayerX[all] # all additional dependencies
pip install --upgrade tensorlayerX[extra] # only the `extra` dependencies
pip install --upgrade tensorlayerX[contrib_loggers] # only the `contrib_loggers` dependencies
或者,您可以直接从 OpenI 拉取最新或开发版本进行安装。
pip3 install git+https://github.com/tensorlayer/TensorLayerX.git
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 才能正常工作:[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
引用
如果您觉得这个项目很有用,我们非常感谢您引用 TensorLayer 的论文。
@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
TensorLayerX 在 Apache 2.0 许可下发布。
项目详情
下载文件
下载适合您平台文件的文件。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
tensorlayerx-0.5.8.tar.gz (396.6 kB 查看哈希值)
构建分布
tensorlayerx-0.5.8-py3-none-any.whl (532.3 kB 查看哈希值)
关闭
tensorlayerx-0.5.8.tar.gz 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 6f318fdd2ccc7aaf214d217e32ddf0fa08f7ee467830e44505677064b95d9056 |
|
MD5 | 9b0a80b62a0ac5fb1e5d91f2d82f4672 |
|
BLAKE2b-256 | 4871e63c4064685b5635d71ad1cee5fe2795e61099bdf3a6f9ddc29430aa6d2e |
关闭
tensorlayerx-0.5.8-py3-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | b9c82cdbdbad9d08f8ab2ec20c78b1954176a26422df3bb42c44102637e1b80c |
|
MD5 | 041ba877e9544860fc9809b859f7609f |
|
BLAKE2b-256 | c78d34b97e3f06a0277db9a2362a35ac7b932393b3d236f0c4d7469d884577f6 |