GitHubじゃ!Pythonじゃ!

GitHubからPython関係の優良リポジトリを探したかったのじゃー、でも英語は出来ないから日本語で読むのじゃー、英語社会世知辛いのじゃー

tensorlayer

tensorlayer – TensorLayer:研究者とエンジニアのための深い学習と強化学習ラーニングライブラリ

投稿日:

TensorLayer:研究者とエンジニアのための深い学習と強化学習ラーニングライブラリ。 http://tensorlayer.readthedocs.io

TensorLayerは、TensorFlowの上にある深い学習と強化学習のライブラリです 研究者やエンジニアが実際のAIアプリケーションを構築するのに役立つ豊富な神経層とユーティリティ機能を提供します。 TensorLayerは、権威あるACM Multimedia Societyによって2017 Best Open Sourceソフトウェアを受賞しました。

ニュース

インストール

TensorLayerには、TensorFlow、numpy、matplotlib、nltk(オプション)などの前提条件があります。 GPUサポートのためには、CUDAとcuDNNが必要です。 TensorLayerをインストールする最も簡単な方法は次のとおりです。

# for master version (Recommended)
$ pip install git+https://github.com/tensorlayer/tensorlayer.git 

# for stable version 
$ pip install tensorlayer

Dockerfileは画像を構築するために提供され、通常どおりに構築されます

# for CPU version
$ docker build -t tensorlayer:latest .

# for GPU version
$ docker build -t tensorlayer:latest-gpu -f Dockerfile.gpu . 

詳細な手順についてはドキュメントを確認してください。

例とチュートリアル

このフォルダGithubのトピックに例があります

基本

  • マルチレイヤパーセプトロン(MNIST) – 分類タスク。tutorial_mnist_simple.pyを参照。
  • マルチレイヤパーセプトロン(MNIST) – Iteratorを用いた分類。 方法1方法2を参照。

コンピュータビジョン

自然言語処理

敵対的学習

強化学習

ノート

TensorLayerは、2つの畳み込みレイヤAPIセットを提供しています。readthedocsのWebサイトで(上級)(基本)を参照してください。

特徴

デザイン理念

TensorFlowユーザーとして、私たちはさまざまな開発フェーズに対応できるライブラリを探していました。 このライブラリは、豊富なニューラルネットワーク実装、サンプル、チュートリアルを提供することにより、初心者にとっては簡単です。 その後、そのAPIによって、ユーザーはTensorFlowの強力な機能を活用して、実際の問題に対処する最高のパフォーマンスを発揮できるようになります。 最終的に、余分な抽象化はTensorFlowのパフォーマンスを損なうものではないため、本番環境に適しています。 TensorLayerは、これらの要件を満たすことを目指す新しいライブラリです。 それには3つの重要な特徴があります:

  • シンプルさ :TensorLayerは、TensorFlowの低レベルのデータフロー抽象化を高レベルのレイヤーに持ち上げます また、学習の障壁を最小限に抑えるための膨大なサンプルとチュートリアルをユーザーに提供します。
  • 柔軟性 :TensorLayer APIは透明です。ユーザーからのTensorFlowをマスクしません。 さまざまな低レベルのチューニングをサポートする巨大なフックが残っています
  • ゼロコスト抽象化 :TensorLayerはTensorFlowの完全なパフォーマンスを達成することができます。

無視できるオーバヘッド

TensorLayerのパフォーマンスオーバーヘッドはごくわずかです。 Titan X Pascal GPUでTensorLayerとネイティブTensorFlowを使用して、古典的な深い学習モデルをベンチマークします。 それぞれのタスクのトレーニング速度は次のとおりです。

CIFAR-10 PTB LSTM Word2Vec
TensorLayer 2528画像/秒 18063語/秒 58167ワード/秒
TensorFlow 2530画像/秒 18075ワード/秒 58181ワード/秒

KerasとTFLearnとの比較

TensorLayerと同様に、KerasとTFLearnも一般的なTensorFlowラッパーライブラリです。 これらのライブラリは使い始めて快適です。 それらは高レベルの抽象化を提供する。 基盤となるエンジンはユーザーから隠蔽されます。 したがって、モデルの動作をカスタマイズし、TensorFlowの本質的な特徴に触れることは困難です。 簡単に妥協することなく、TensorLayer APIは一般に、より柔軟で透明です。 ユーザーは、TensorLayerのサンプルとチュートリアルから簡単に始めることができます.TensorFlowの低レベルAPIは、必要な場合にのみ使用してください。 TensorLayerはライブラリロックインを作成しません。 ユーザーはKeras、TFSlim、TFLearnからTensorLayer環境に簡単にモデルをインポートできます。

ドキュメンテーション

[Online] [PDF] [Epub] [HTML]のドキュメントでは、TensorLayer APIの使用方法について説明しています。 また、さまざまなタイプのディープニューラルネットワーク、強化学習、および自然言語処理(NLP)問題のアプリケーションを扱う自己完結型のドキュメントです。

対応するモジュール化されたGoogle TensorFlowディープラーニングチュートリアルの実装が含まれているので、TensorFlowチュートリアル[ja] [cn]をこのドキュメントとともに読むことができます。 中国語の資料も用意されています。

学術および産業ユーザー

TensorLayerにはオープンで急成長するコミュニティがあります。 これは、インペリアルカレッジロンドン、カーネギーメロン大学、スタンフォード大学、清華大学、UCLA、LinköpingUniversityなどの研究者、Google、Microsoft、Alibaba、Tencent、Penguins Innovate、ReFULE4、Bloomberg、 GoodAILabと他の多く。

  • 🇬🇧 ご不明な点がございましたら、お気軽にお問い合わせください。
  • 🇨🇳 我们有中文讨论社区:如QQ群と微信群。

寄付ガイドライン

ガイドライン5行

引用

このプロジェクトが役に立ったら、TensorLayerの論文を引用していただければ幸いです。

@article{tensorlayer2017,
author = {Dong, Hao and Supratak, Akara and Mai, Luo and Liu, Fangde and Oehmichen, Axel and Yu, Simiao and Guo, Yike},
journal = {ACM Multimedia},
title = {{TensorLayer: A Versatile Library for Efficient Deep Learning Development}},
url = {http://tensorlayer.org},
year = {2017}
}

ライセンス

TensorLayerはApache 2.0ライセンスでリリースされています。







-tensorlayer
-, , , , , , , , , , , , , , , , ,

執筆者: