TensorFlow - TFLearn及其安装

TFLearn及其安装 - 从简单和简单的步骤学习TensorFlow，从基本到高级概念，包括简介，安装，理解人工智能，数学基础，机器学习和深度学习，基础知识，卷积神经网络，递归神经网络，TensorBoard可视化，单词嵌入，单层感知器，线性回归，TFLearn及其安装，CNN和RNN差异，Keras，分布式计算，TensorFlow导出，多层感知器学习，感知器隐藏层，TensorFlow中的优化器，XOR实现，梯度下降优化，形成图，使用TensorFlow的图像识别，神经网络训练的建议。

TFLearn可以定义为TensorFlow框架中使用的模块化和透明的深度学习方面. TFLearn的主要动机是为TensorFlow提供更高级别的API，以促进和展示新的实验.

考虑TFLearn : 的以下重要特征;

TFLearn易于使用和理解.
它包含易于构建的概念高度模块化的网络层，优化器和嵌入其中的各种指标.
它包括TensorFlow工作系统的完全透明性.
它包含强大的辅助函数来训练内置的张量，这些张量接受多个输入，输出和优化器.
它包括简单和美丽的图形可视化.
图形可视化包括权重，渐变和激活的各种细节.

执行以下命令安装TFLearn :

  pip install tflearn

e执行上面的代码，将生成以下输出 :

安装TFLearn

下图显示了TFLearn与Random Forest分类器的实现 :

from __future__ import division, print_function, absolute_import#TFLearn module implementationimport tflearnfrom tflearn.estimators import RandomForestClassifier# Data loading and pre-processing with respect to datasetimport tflearn.datasets.mnist as mnistX, 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])