TensorFlow-TFLearn 및 설치

TFLearn은 TensorFlow 프레임 워크에서 사용되는 모듈 식의 투명한 딥 러닝 측면으로 정의 할 수 있습니다. TFLearn의 주요 동기는 새로운 실험을 촉진하고 표시하기 위해 TensorFlow에 더 높은 수준의 API를 제공하는 것입니다.

TFLearn의 다음과 같은 중요한 기능을 고려하십시오.

TFLearn은 사용하고 이해하기 쉽습니다.
여기에는 고도로 모듈화 된 네트워크 계층, 최적화 프로그램 및 그 안에 포함 된 다양한 메트릭을 구축하기위한 쉬운 개념이 포함되어 있습니다.
TensorFlow 작업 시스템에 완전한 투명성을 포함합니다.
여기에는 여러 입력, 출력 및 최적화 프로그램을 허용하는 내장 텐서를 훈련하는 강력한 도우미 함수가 포함되어 있습니다.
쉽고 아름다운 그래프 시각화가 포함되어 있습니다.
그래프 시각화에는 가중치, 기울기 및 활성화에 대한 다양한 세부 정보가 포함됩니다.

다음 명령을 실행하여 TFLearn을 설치하십시오-

pip install tflearn

위의 코드를 실행하면 다음 출력이 생성됩니다.

다음 그림은 Random Forest 분류기를 사용한 TFLearn의 구현을 보여줍니다.

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])