TensorLayer

TensorLayerX를 클릭하세요.

TensorLayer는 연구원과 엔지니어를 위해 설계된 새로운 TensorFlow 기반 딥 러닝 및 강화 학습 라이브러리입니다. 커뮤니티 오픈 소스 대량 튜토리얼 및 애플리케이션을 기반으로 고급 AI 모델을 신속하게 구축할 수 있는 광범위한 맞춤형 신경 계층 컬렉션을 제공합니다. TensorLayer는 ACM Multimedia Society에서 2017년 최고의 오픈 소스 소프트웨어로 선정되었습니다. 이 프로젝트는 OpenI와 Gitee에서도 확인할 수 있습니다.

소식

• TensorLayerX는 모든 하드웨어, 백엔드 및 OS를 위한 통합 딥 러닝 및 강화 학습 프레임워크입니다. 현재 버전은 TensorFlow, Pytorch, MindSpore, PaddlePaddle, OneFlow 및 Jittor를 백엔드로 지원하므로 사용자는 Nvidia-GPU 및 Huawei-Ascend와 같은 다양한 하드웨어에서 코드를 실행할 수 있습니다.
• TensorLayer는 이제 OpenI에 있습니다.
• Reinforcement Learning Zoo: 전문적인 사용을 위한 저수준 API, 간단한 사용을 위한 고수준 API 및 해당 Springer 교과서
• Sipeed Maxi-EMC: 저가형 AI 칩 (예: K210)에서 TensorLayer 모델 실행(알파 버전)

디자인 특징

TensorLayer는 단순성, 유연성 및 고성능을 염두에 두고 설계된 새로운 딥 러닝 라이브러리입니다.

• 단순성 : TensorLayer는 쉽게 배울 수 있는 높은 수준의 레이어/모델 추상화 기능을 갖추고 있습니다. 방대한 예제를 통해 딥 러닝이 AI 작업에 어떻게 도움이 되는지 몇 분 만에 배울 수 있습니다.
• 유연성 : TensorLayer API는 새롭게 떠오르는 PyTorch 라이브러리에서 영감을 받아 투명하고 유연합니다. Keras 추상화에 비해 TensorLayer를 사용하면 복잡한 AI 모델을 구축하고 훈련하는 것이 훨씬 쉽습니다.
• 제로 비용 추상화 : TensorLayer는 사용하기 쉽지만 TensorFlow의 성능을 저하할 필요가 없습니다(자세한 내용은 다음 벤치마크 섹션을 확인하세요).

TensorLayer는 TensorFlow 래퍼에서 독특한 위치에 있습니다. Keras 및 TFLearn과 같은 다른 래퍼는 TensorFlow의 많은 강력한 기능을 숨기고 맞춤형 AI 모델 작성을 위한 지원을 거의 제공하지 않습니다. PyTorch에서 영감을 받은 TensorLayer API는 간단하고 유연하며 Python 방식이므로 복잡한 AI 작업에 대처할 수 있을 만큼 유연하면서도 쉽게 배울 수 있습니다. TensorLayer는 빠르게 성장하는 커뮤니티를 보유하고 있습니다. Peking University, Imperial College London, UC Berkeley, Carnegie Mellon University, Stanford University 및 Google, Microsoft, Alibaba, Tencent, Xiaomi 및 Bloomberg와 같은 회사를 포함하여 전 세계의 연구원 및 엔지니어가 사용했습니다.

다국어 문서

TensorLayer에는 초보자와 전문가 모두를 위한 광범위한 문서가 있습니다. 설명서는 영어와 중국어로 제공됩니다.

마스터 브랜치에서 실험적인 기능을 사용해 보려면 여기에서 최신 문서를 찾을 수 있습니다.

광범위한 예

여기와 다음 공간에서 TensorLayer를 사용하는 대규모 예제 컬렉션을 찾을 수 있습니다.

시작하기

TensorLayer 2.0은 TensorFlow, numpy 등을 사용합니다. GPU를 사용하려면 CUDA와 cuDNN이 필요합니다.

TensorFlow를 설치합니다.

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

TensorLayer의 안정적인 릴리스를 설치합니다.

pip3 install tensorlayer

TensorLayer의 불안정한 개발 버전을 설치합니다.

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

추가 종속성을 설치하려면 다음을 실행할 수도 있습니다.

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

TensorFlow 1.X 사용자라면 TensorLayer 1.11.0을 사용할 수 있습니다.

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

성능 벤치마크

다음 표는 TITAN Xp에서 TensorLayer 및 기본 TensorFlow를 사용하는 VGG16의 훈련 속도를 보여줍니다.

방법	도서관	데이터 형식	최대 GPU 메모리 사용량(MB)	최대 CPU 메모리 사용량(MB)	평균 CPU 메모리 사용량(MB)	런타임(초)
자필	텐서플로우 2.0	채널 마지막	11833	2161	2136	74
	텐서레이어 2.0	채널 마지막	11833	2187	2169	76
그래프	케라스	채널 마지막	8677	2580	2576	101
열렬한	텐서플로우 2.0	채널 마지막	8723	2052년	2024년	97
	텐서레이어 2.0	채널 마지막	8723	2010	2007년	95

참여하기

PR을 제출하기 전에 기여자 지침을 읽어보세요.

사용자는 Github 문제를 사용하여 버그를 보고하는 것이 좋습니다. 사용자는 다음 Slack 채널에서 TensorLayer를 사용하는 방법에 대해 토론할 수도 있습니다.

TensorLayer 인용

TensorLayer가 귀하의 프로젝트에 유용하다고 생각되면 다음 논문을 인용해 주세요.

 @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}
}