TensorFlow - TFLearn и его установка

TFLearn можно определить как модульный и прозрачный аспект глубокого обучения, используемый в платформе TensorFlow. Главный мотив TFLearn - предоставить TensorFlow API более высокого уровня для облегчения и отображения новых экспериментов.

Рассмотрим следующие важные особенности TFLearn -

  • TFLearn прост в использовании и понимании.

  • Он включает простые концепции для построения высокомодульных сетевых уровней, оптимизаторов и различных показателей, встроенных в них.

  • Он включает полную прозрачность с рабочей системой TensorFlow.

  • Он включает мощные вспомогательные функции для обучения встроенных тензоров, которые принимают несколько входов, выходов и оптимизаторов.

  • Включает простую и красивую визуализацию графиков.

  • Визуализация графика включает в себя различные детали весов, градиентов и активаций.

Установите TFLearn, выполнив следующую команду -

pip install tflearn

После выполнения вышеуказанного кода будет сгенерирован следующий вывод:

На следующем рисунке показана реализация TFLearn с классификатором случайного леса -

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])