Tensorflow 简明教程
TensorFlow - TFLearn And Its Installation
TFLearn 可定义为用于 TensorFlow 框架的模块化和透明的深度学习环节。TFLearn 的主要目的为 TensorFlow 提供高级的 API 以实现新实验。
考虑 TFLearn 的以下重要特质 −
-
TFLearn 易于使用和理解。
-
其中包括轻松构建高度模块化网络层、优化程序和各种嵌入式指标的概念。
-
其中包括 TensorFlow 工作系统完全透明。
-
其中包括训练的内置张量功能,该张量可接受多个输入、输出和优化程序。
-
其中包括轻松且美观的图形可视化。
-
图形可视化包括权重、梯度和激活的各种细节。
执行以下命令安装 TFLearn −
pip install tflearn
执行以上代码后,将生成以下输出 −
下图显示了 TFLearn 与 Random Forest 分类程序的实现 −
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])