TensorLayer

Veuillez cliquer sur TensorLayerX

TensorLayer est une nouvelle bibliothèque d'apprentissage en profondeur et d'apprentissage par renforcement basée sur TensorFlow, conçue pour les chercheurs et les ingénieurs. Il fournit une vaste collection de couches neuronales personnalisables pour créer rapidement des modèles d'IA avancés, sur la base de didacticiels et d'applications de masse open source de la communauté. TensorLayer reçoit le prix du meilleur logiciel Open Source 2017 par l'ACM Multimedia Society. Ce projet est également disponible sur OpenI et Gitee.

Nouvelles

• TensorLayerX est un cadre unifié d'apprentissage en profondeur et d'apprentissage par renforcement pour tous les matériels, backends et systèmes d'exploitation. La version actuelle prend en charge TensorFlow, Pytorch, MindSpore, PaddlePaddle, OneFlow et Jittor comme backends, permettant aux utilisateurs d'exécuter le code sur différents matériels comme Nvidia-GPU et Huawei-Ascend.
• TensorLayer est maintenant dans OpenI
• Zoo d'apprentissage par renforcement : API de bas niveau pour un usage professionnel, API de haut niveau pour une utilisation simple et un manuel Springer correspondant
• Sipeed Maxi-EMC : exécutez des modèles TensorLayer sur la puce AI à faible coût (par exemple, K210) (version Alpha)

Caractéristiques de conception

TensorLayer est une nouvelle bibliothèque d'apprentissage en profondeur conçue dans un souci de simplicité, de flexibilité et de hautes performances.

• Simplicité : TensorLayer possède une abstraction couche/modèle de haut niveau qui est facile à apprendre. Vous pouvez découvrir comment l'apprentissage profond peut bénéficier à vos tâches d'IA en quelques minutes grâce aux nombreux exemples.
• Flexibilité : les API TensorLayer sont transparentes et flexibles, inspirées de la bibliothèque émergente PyTorch. Par rapport à l'abstraction Keras, TensorLayer facilite grandement la création et la formation de modèles d'IA complexes.
• Abstraction sans coût : bien que simple à utiliser, TensorLayer ne vous oblige à faire aucun compromis sur les performances de TensorFlow (consultez la section de référence suivante pour plus de détails).

TensorLayer occupe une place unique dans les wrappers TensorFlow. D'autres wrappers comme Keras et TFLearn cachent de nombreuses fonctionnalités puissantes de TensorFlow et fournissent peu de prise en charge pour l'écriture de modèles d'IA personnalisés. Inspirées de PyTorch, les API TensorLayer sont simples, flexibles et pythoniques, ce qui facilite l'apprentissage tout en étant suffisamment flexible pour faire face à des tâches d'IA complexes. TensorLayer possède une communauté en pleine croissance. Il a été utilisé par des chercheurs et des ingénieurs du monde entier, notamment ceux de l'Université de Pékin, de l'Imperial College de Londres, de l'UC Berkeley, de l'Université Carnegie Mellon, de l'Université de Stanford et des entreprises comme Google, Microsoft, Alibaba, Tencent, Xiaomi et Bloomberg.

Documents multilingues

TensorLayer dispose d'une documentation complète pour les débutants et les professionnels. La documentation est disponible en anglais et en chinois.

Si vous souhaitez essayer les fonctionnalités expérimentales sur la branche master, vous pouvez trouver le dernier document ici.

Exemples détaillés

Vous pouvez trouver une large collection d'exemples utilisant TensorLayer ici et dans l'espace suivant :

Commencer

TensorLayer 2.0 s'appuie sur TensorFlow, numpy et autres. Pour utiliser des GPU, CUDA et cuDNN sont requis.

Installez TensorFlow :

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

Installez la version stable de TensorLayer :

pip3 install tensorlayer

Installez la version de développement instable de TensorLayer :

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

Si vous souhaitez installer les dépendances supplémentaires, vous pouvez également exécuter

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 vous utilisez TensorFlow 1.X, vous pouvez utiliser TensorLayer 1.11.0 :

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

Référence de performances

Le tableau suivant montre les vitesses d'entraînement de VGG16 à l'aide de TensorLayer et de TensorFlow natif sur un TITAN Xp.

Mode	Lib	Format des données	Utilisation maximale de la mémoire GPU (Mo)	Utilisation maximale de la mémoire CPU (Mo)	Utilisation moyenne de la mémoire du processeur (Mo)	Durée d'exécution (secondes)
Autographe	TensorFlow 2.0	dernière chaîne	11833	2161	2136	74
	TensorLayer 2.0	dernière chaîne	11833	2187	2169	76
Graphique	Kéras	dernière chaîne	8677	2580	2576	101
Désireux	TensorFlow 2.0	dernière chaîne	8723	2052	2024	97
	TensorLayer 2.0	dernière chaîne	8723	2010	2007	95

S'impliquer

Veuillez lire les lignes directrices du contributeur avant de soumettre vos PR.

Nous suggérons aux utilisateurs de signaler les bogues à l'aide des problèmes Github. Les utilisateurs peuvent également discuter de la façon d'utiliser TensorLayer dans le canal Slack suivant.

Citant TensorLayer

Si vous trouvez TensorLayer utile pour votre projet, veuillez citer les articles suivants :

 @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}
}