TensorLayer

Silakan klik TensorLayerX

TensorLayer adalah pustaka pembelajaran mendalam dan pembelajaran penguatan baru berbasis TensorFlow yang dirancang untuk peneliti dan insinyur. Ini menyediakan banyak koleksi lapisan saraf yang dapat disesuaikan untuk membangun model AI tingkat lanjut dengan cepat, berdasarkan ini, tutorial dan aplikasi massal bersumber terbuka dari komunitas. TensorLayer dianugerahi Perangkat Lunak Sumber Terbuka Terbaik 2017 oleh ACM Multimedia Society. Proyek ini juga dapat ditemukan di OpenI dan Gitee.

Berita

• TensorLayerX adalah Kerangka Pembelajaran Mendalam dan Pembelajaran Penguatan Terpadu untuk Semua Perangkat Keras, Backend, dan OS. Versi saat ini mendukung TensorFlow, Pytorch, MindSpore, PaddlePaddle, OneFlow, dan Jittor sebagai backend, memungkinkan pengguna menjalankan kode pada perangkat keras berbeda seperti Nvidia-GPU dan Huawei-Ascend.
• TensorLayer sekarang ada di OpenI
• Kebun Binatang Pembelajaran Penguatan: API tingkat rendah untuk penggunaan profesional, API tingkat tinggi untuk penggunaan sederhana, dan buku teks Springer yang sesuai
• Sipeed Maxi-EMC: Jalankan model TensorLayer pada chip AI berbiaya rendah (misalnya K210) (Versi Alfa)

Fitur Desain

TensorLayer adalah perpustakaan pembelajaran mendalam baru yang dirancang dengan mempertimbangkan kesederhanaan, fleksibilitas, dan kinerja tinggi.

• Kesederhanaan : TensorLayer memiliki abstraksi lapisan/model tingkat tinggi yang mudah dipelajari. Anda dapat mempelajari bagaimana pembelajaran mendalam dapat bermanfaat bagi tugas AI Anda dalam hitungan menit melalui banyak contoh.
• Fleksibilitas : API TensorLayer transparan dan fleksibel, terinspirasi oleh perpustakaan PyTorch yang sedang berkembang. Dibandingkan dengan abstraksi Keras, TensorLayer mempermudah pembuatan dan pelatihan model AI yang kompleks.
• Abstraksi Tanpa Biaya : Meskipun mudah digunakan, TensorLayer tidak mengharuskan Anda melakukan kompromi apa pun dalam performa TensorFlow (Periksa bagian benchmark berikut untuk detail selengkapnya).

TensorLayer berada di tempat unik di wrapper TensorFlow. Wrapper lain seperti Keras dan TFLearn menyembunyikan banyak fitur canggih TensorFlow dan memberikan sedikit dukungan untuk menulis model AI khusus. Terinspirasi oleh PyTorch, TensorLayer API sederhana, fleksibel, dan Pythonic, sehingga mudah dipelajari sekaligus cukup fleksibel untuk menangani tugas-tugas AI yang kompleks. TensorLayer memiliki komunitas yang berkembang pesat. Ini telah digunakan oleh para peneliti dan insinyur di seluruh dunia, termasuk dari Universitas Peking, Imperial College London, UC Berkeley, Universitas Carnegie Mellon, Universitas Stanford, dan perusahaan seperti Google, Microsoft, Alibaba, Tencent, Xiaomi, dan Bloomberg.

Dokumen Multibahasa

TensorLayer memiliki dokumentasi ekstensif untuk pemula dan profesional. Dokumentasinya tersedia dalam bahasa Inggris dan Cina.

Jika Anda ingin mencoba fitur eksperimental pada cabang master, Anda dapat menemukan dokumen terbaru di sini.

Contoh yang Luas

Anda dapat menemukan banyak koleksi contoh yang menggunakan TensorLayer di sini dan di ruang berikut:

Memulai

TensorLayer 2.0 mengandalkan TensorFlow, numpy, dan lainnya. Untuk menggunakan GPU, diperlukan CUDA dan cuDNN.

Instal TensorFlow:

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

Instal rilis stabil TensorLayer:

pip3 install tensorlayer

Instal TensorLayer versi pengembangan yang tidak stabil:

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

Jika Anda ingin menginstal dependensi tambahan, Anda juga dapat menjalankannya

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

Jika Anda pengguna TensorFlow 1.X, Anda dapat menggunakan TensorLayer 1.11.0:

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

Tolok Ukur Kinerja

Tabel berikut menunjukkan kecepatan pelatihan VGG16 menggunakan TensorLayer dan TensorFlow asli pada TITAN Xp.

Mode	Lib	Format Data	Penggunaan Memori GPU Maks (MB)	Penggunaan Memori CPU Maks (MB)	Rata-rata Penggunaan Memori CPU (MB)	Durasi (dtk)
Tanda tangan	TensorFlow 2.0	saluran terakhir	11833	2161	2136	74
	Lapisan Tensor 2.0	saluran terakhir	11833	2187	2169	76
Grafik	keras	saluran terakhir	8677	2580	2576	101
Ingin sekali	TensorFlow 2.0	saluran terakhir	8723	2052	2024	97
	Lapisan Tensor 2.0	saluran terakhir	8723	2010	2007	95

Terlibat

Harap baca Pedoman Kontributor sebelum mengirimkan PR Anda.

Kami menyarankan pengguna untuk melaporkan bug menggunakan masalah Github. Pengguna juga dapat mendiskusikan cara menggunakan TensorLayer di saluran slack berikut.

Mengutip TensorLayer

Jika Anda merasa TensorLayer berguna untuk proyek Anda, harap kutip makalah berikut：

 @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}
}