TensorFlow - TFLearn và cài đặt của nó
TFLearn có thể được định nghĩa là một khía cạnh học sâu mô-đun và minh bạch được sử dụng trong khuôn khổ TensorFlow. Động cơ chính của TFLearn là cung cấp API cấp cao hơn cho TensorFlow để tạo điều kiện và hiển thị các thử nghiệm mới.
Hãy xem xét các tính năng quan trọng sau của TFLearn:
TFLearn rất dễ sử dụng và dễ hiểu.
Nó bao gồm các khái niệm dễ dàng để xây dựng các lớp mạng mô-đun cao, trình tối ưu hóa và các số liệu khác nhau được nhúng bên trong chúng.
Nó bao gồm sự minh bạch đầy đủ với hệ thống làm việc TensorFlow.
Nó bao gồm các chức năng trợ giúp mạnh mẽ để đào tạo các bộ căng tích hợp chấp nhận nhiều đầu vào, đầu ra và trình tối ưu hóa.
Nó bao gồm trực quan hóa đồ thị dễ dàng và đẹp mắt.
Hình ảnh hóa biểu đồ bao gồm các chi tiết khác nhau về trọng số, độ dốc và kích hoạt.
Cài đặt TFLearn bằng cách thực hiện lệnh sau:
pip install tflearnKhi thực thi đoạn mã trên, kết quả sau sẽ được tạo:
Hình minh họa sau đây cho thấy việc triển khai TFLearn với bộ phân loại Rừng Ngẫu nhiên -
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])