TFLearn介绍

简介: 【7月更文挑战第27天】TFLearn介绍。

TFLearn介绍
TFLearn是一个基于TensorFlow构建的模块化的、透明的深度学习库,它可以更快、更方便地搭建一个深度的网络。
如何使用TensorFlow搭建一个类似于LeNet-5模型的两层卷积神经网络,以完成手写数字识别,本节使用TFLearn搭建一个类似的网络,完成相同的功能。
TFLearn官方网站上描述其特点如下。
(1)可以通过高度模块化的内置神经网络层、优化器等进行快速模型设计,并可以实现正则化操作。
(2)可以训练任何TensorFlow的Graph,支持多个输入、输出和优化器。
(3)图形可视化,图形中包含权重、激活等详细信息。
(4)可以在CPU、GPU等多个设备上部署。
2.TFLearn安装
在交互界面(联网状态)完成TFLearn的安装。
pip install tflearn==0.3.2
进入Python环境,输入“import tflearn”查看是否安装成功。
3.TFLearn例程
在Python目录下新建MetaFramework目录,在MetaFramework下新建TFLearn目录,并将MNIST数据集放到TFLearn目录下的mnist目录下。

相关文章
|
9月前
|
机器学习/深度学习 数据可视化 TensorFlow
使用Keras构建一个简单的神经网络模型
使用Keras构建一个简单的神经网络模型
|
4月前
|
开发工具 git 计算机视觉
Mindspore r0.7版本运行Lenet_MNIST
Mindspore r0.7版本运行Lenet_MNIST
39 2
|
机器学习/深度学习 人工智能 PyTorch
深度学习四大框架之争(Tensorflow、Pytorch、Keras和Paddle)
深度学习四大框架之争(Tensorflow、Pytorch、Keras和Paddle)
深度学习四大框架之争(Tensorflow、Pytorch、Keras和Paddle)
|
机器学习/深度学习 数据采集 算法
用PyTorch构建基于卷积神经网络的手写数字识别模型
用PyTorch构建基于卷积神经网络的手写数字识别模型
359 0
|
机器学习/深度学习 TensorFlow 算法框架/工具
TensorFlow MNIST手写数字识别(神经网络极简版)
TensorFlow MNIST手写数字识别(神经网络极简版)
TensorFlow MNIST手写数字识别(神经网络极简版)
|
机器学习/深度学习 PyTorch API
Pytorch实现手写数字识别
Pytorch实现手写数字识别
124 0
|
机器学习/深度学习 PyTorch 测试技术
|
机器学习/深度学习 并行计算 数据可视化
pytorch实现mnist手写数字识别
pytorch实现mnist手写数字识别
pytorch实现mnist手写数字识别
|
机器学习/深度学习 人工智能 PyTorch
Pytorch 基于LeNet的手写数字识别
Pytorch 基于LeNet的手写数字识别
191 0
Pytorch 基于LeNet的手写数字识别
|
机器学习/深度学习 数据可视化 API