TensorFlow - TFLearn และการติดตั้ง

TFLearn สามารถกำหนดเป็นลักษณะการเรียนรู้เชิงลึกแบบแยกส่วนและโปร่งใสที่ใช้ในกรอบงาน TensorFlow แรงจูงใจหลักของ TFLearn คือการมอบ API ระดับที่สูงขึ้นให้กับ TensorFlow เพื่ออำนวยความสะดวกและแสดงการทดลองใหม่ ๆ

พิจารณาคุณสมบัติที่สำคัญของ TFLearn ดังต่อไปนี้ -

• TFLearn ใช้งานง่ายและเข้าใจ

• ประกอบด้วยแนวคิดง่ายๆในการสร้างเลเยอร์เครือข่ายแบบโมดูลาร์เครื่องมือเพิ่มประสิทธิภาพและเมตริกต่างๆที่ฝังอยู่ภายใน

• รวมถึงความโปร่งใสเต็มรูปแบบด้วยระบบงาน TensorFlow

• ประกอบด้วยฟังก์ชั่นตัวช่วยที่มีประสิทธิภาพในการฝึกเทนเซอร์ในตัวซึ่งรับอินพุตเอาต์พุตและตัวเพิ่มประสิทธิภาพหลายตัว

• รวมถึงการแสดงภาพกราฟที่ง่ายและสวยงาม

• การแสดงภาพกราฟประกอบด้วยรายละเอียดต่างๆของน้ำหนักการไล่ระดับสีและการเปิดใช้งาน

ติดตั้ง TFLearn โดยดำเนินการคำสั่งต่อไปนี้ -

pip install tflearn

เมื่อดำเนินการตามรหัสข้างต้นผลลัพธ์ต่อไปนี้จะถูกสร้างขึ้น -

ภาพประกอบต่อไปนี้แสดงการนำ TFLearn ไปใช้กับ Random Forest classifier -

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])