得益于TensorFlow 社区的繁荣，诞生出许多高质量的元框架（metaframework），如Keras、 TFLearn、TensorLayer 等。使用元框架能够大大减少编写TensorFlow 代码的工作量，方便开发
者很速搭建网络模型，并且使代码简单、可读性强。
TFLearn 是一个建立在TensorFlow 顶部的模块化的深度学习框架，它为TensorFlow 提供更
高级的API，以便于很速实验，同时保持完全透明和兼容。
1.TFLearn功能简介
TFLearn的功能包括：
（1）易于使用和理解高级API用于实施深层神经网络，教程和示例
（2）通过高度模块化的内置神经网络层，正则化器，优化器，度量，快速原型
（3）tensorflow安全透明。所有函数都建立在张量上，可以独立于tflearn的使用
（4）强大的帮助函数来训练任何tensorflow图，支持多个输入，输出和优化器
（5）简单和美丽的图形可视化，有关权重，渐变，激活等详细信息…
（6）轻松使用多个CPU/GPU的设备布局
下面介绍一个小案例，感受代码的简洁：
2 .加载数据*
这里用的是牛津大学的鲜花数据集(http://www.robots.ox.ac.uk/
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/rgzn-tfkj/4935.html