TensorLayer

Por favor haga clic en TensorLayerX

TensorLayer es una novedosa biblioteca de aprendizaje profundo y aprendizaje por refuerzo basada en TensorFlow diseñada para investigadores e ingenieros. Proporciona una extensa colección de capas neuronales personalizables para construir modelos avanzados de IA rápidamente, basándose en esto, las aplicaciones y tutoriales masivos de código abierto de la comunidad. TensorLayer recibe el premio al Mejor Software de Código Abierto de 2017 otorgado por la ACM Multimedia Society. Este proyecto también se puede encontrar en OpenI y Gitee.

Noticias

• TensorLayerX es un marco unificado de aprendizaje profundo y aprendizaje por refuerzo para todos los hardwares, backends y sistemas operativos. La versión actual admite TensorFlow, Pytorch, MindSpore, PaddlePaddle, OneFlow y Jittor como backends, lo que permite a los usuarios ejecutar el código en diferentes hardware como Nvidia-GPU y Huawei-Ascend.
• TensorLayer ahora está en OpenI
• Zoológico de aprendizaje por refuerzo: API de bajo nivel para uso profesional, API de alto nivel para uso simple y un libro de texto Springer correspondiente
• Sipeed Maxi-EMC: ejecute modelos TensorLayer en el chip AI de bajo costo (por ejemplo, K210) (versión Alpha)

Características de diseño

TensorLayer es una nueva biblioteca de aprendizaje profundo diseñada teniendo en cuenta la simplicidad, la flexibilidad y el alto rendimiento.

• Simplicidad : TensorLayer tiene una abstracción de modelo/capa de alto nivel que es fácil de aprender. Puede aprender cómo el aprendizaje profundo puede beneficiar sus tareas de IA en minutos a través de ejemplos masivos.
• Flexibilidad : las API de TensorLayer son transparentes y flexibles, inspiradas en la biblioteca emergente PyTorch. En comparación con la abstracción de Keras, TensorLayer hace que sea mucho más fácil construir y entrenar modelos complejos de IA.
• Abstracción de costo cero : aunque es fácil de usar, TensorLayer no requiere que usted comprometa el rendimiento de TensorFlow (consulte la siguiente sección de pruebas comparativas para obtener más detalles).

TensorLayer se encuentra en un lugar único en los contenedores de TensorFlow. Otros contenedores como Keras y TFLearn ocultan muchas características poderosas de TensorFlow y brindan poco soporte para escribir modelos de IA personalizados. Inspiradas en PyTorch, las API de TensorLayer son simples, flexibles y pitónicas, lo que facilita el aprendizaje y, al mismo tiempo, son lo suficientemente flexibles para hacer frente a tareas complejas de IA. TensorLayer tiene una comunidad de rápido crecimiento. Ha sido utilizado por investigadores e ingenieros de todo el mundo, incluidos los de la Universidad de Pekín, el Imperial College de Londres, la UC Berkeley, la Universidad Carnegie Mellon, la Universidad de Stanford y empresas como Google, Microsoft, Alibaba, Tencent, Xiaomi y Bloomberg.

Documentos multilingües

TensorLayer tiene documentación extensa tanto para principiantes como para profesionales. La documentación está disponible tanto en inglés como en chino.

Si desea probar las funciones experimentales en la rama maestra, puede encontrar el documento más reciente aquí.

Ejemplos extensos

Puede encontrar una gran colección de ejemplos que utilizan TensorLayer aquí y en el siguiente espacio:

Empezando

TensorLayer 2.0 se basa en TensorFlow, numpy y otros. Para utilizar GPU, se requieren CUDA y cuDNN.

Instale TensorFlow:

pip3 install tensorflow-gpu==2.0.0-rc1 # TensorFlow GPU (version 2.0 RC1)
pip3 install tensorflow # CPU version

Instale la versión estable de TensorLayer:

pip3 install tensorlayer

Instale la versión de desarrollo inestable de TensorLayer:

pip3 install git+https://github.com/tensorlayer/tensorlayer.git

Si desea instalar las dependencias adicionales, también puede ejecutar

pip3 install --upgrade tensorlayer[all]              # all additional dependencies
pip3 install --upgrade tensorlayer[extra]            # only the `extra` dependencies
pip3 install --upgrade tensorlayer[contrib_loggers]  # only the `contrib_loggers` dependencies

Si es usuario de TensorFlow 1.X, puede usar TensorLayer 1.11.0:

 # For last stable version of TensorLayer 1.X
pip3 install --upgrade tensorlayer==1.11.0

Punto de referencia de rendimiento

La siguiente tabla muestra las velocidades de entrenamiento de VGG16 usando TensorLayer y TensorFlow nativo en una TITAN Xp.

Modo	librería	Formato de datos	Uso máximo de memoria de GPU (MB)	Uso máximo de memoria de la CPU (MB)	Uso promedio de memoria de la CPU (MB)	Tiempo de ejecución (seg.)
Autógrafo	TensorFlow 2.0	último canal	11833	2161	2136	74
	TensorCapa 2.0	último canal	11833	2187	2169	76
Gráfico	Keras	último canal	8677	2580	2576	101
Ansioso	TensorFlow 2.0	último canal	8723	2052	2024	97
	TensorCapa 2.0	último canal	8723	2010	2007	95

Involucrarse

Lea las Directrices para colaboradores antes de enviar sus relaciones públicas.

Sugerimos a los usuarios que informen errores al utilizar problemas de Github. Los usuarios también pueden discutir cómo usar TensorLayer en el siguiente canal de slack.

Citando TensorLayer

Si encuentra que TensorLayer es útil para su proyecto, cite los siguientes artículos:

 @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}
}

@inproceedings{tensorlayer2021,
  title={Tensorlayer 3.0: A Deep Learning Library Compatible With Multiple Backends},
  author={Lai, Cheng and Han, Jiarong and Dong, Hao},
  booktitle={2021 IEEE International Conference on Multimedia & Expo Workshops (ICMEW)},
  pages={1--3},
  year={2021},
  organization={IEEE}
}