TensorLayer

Clique em TensorLayerX

TensorLayer é uma nova biblioteca de aprendizado profundo e aprendizado por reforço baseada em TensorFlow, projetada para pesquisadores e engenheiros. Ele fornece uma extensa coleção de camadas neurais personalizáveis ​​para construir modelos avançados de IA rapidamente, com base nisso, os tutoriais e aplicativos em massa de código aberto da comunidade. TensorLayer é premiado como Melhor Software de Código Aberto de 2017 pela ACM Multimedia Society. Este projeto também pode ser encontrado em OpenI e Gitee.

Notícias

• TensorLayerX é uma estrutura unificada de aprendizado profundo e aprendizado por reforço para todos os hardwares, back-ends e sistemas operacionais. A versão atual suporta TensorFlow, Pytorch, MindSpore, PaddlePaddle, OneFlow e Jittor como backends, permitindo aos usuários executar o código em diferentes hardwares, como Nvidia-GPU e Huawei-Ascend.
• TensorLayer agora está em OpenI
• Zoológico de aprendizado por reforço: APIs de baixo nível para uso profissional, APIs de alto nível para uso simples e um livro didático Springer correspondente
• Sipeed Maxi-EMC: Execute modelos TensorLayer no chip AI de baixo custo (por exemplo, K210) (versão Alpha)

Recursos de projeto

TensorLayer é uma nova biblioteca de aprendizado profundo projetada com simplicidade, flexibilidade e alto desempenho em mente.

• Simplicidade : TensorLayer possui uma abstração de camada/modelo de alto nível que é fácil de aprender. Você pode aprender como o aprendizado profundo pode beneficiar suas tarefas de IA em minutos por meio de exemplos enormes.
• Flexibilidade : as APIs TensorLayer são transparentes e flexíveis, inspiradas na biblioteca emergente PyTorch. Comparado à abstração Keras, o TensorLayer torna muito mais fácil construir e treinar modelos complexos de IA.
• Abstração de custo zero : embora simples de usar, o TensorLayer não exige que você comprometa o desempenho do TensorFlow (verifique a seção de benchmark a seguir para obter mais detalhes).

O TensorLayer ocupa um lugar único nos wrappers do TensorFlow. Outros wrappers como Keras e TFLearn ocultam muitos recursos poderosos do TensorFlow e fornecem pouco suporte para escrever modelos de IA personalizados. Inspiradas no PyTorch, as APIs TensorLayer são simples, flexíveis e Pythonic, facilitando o aprendizado e ao mesmo tempo flexíveis o suficiente para lidar com tarefas complexas de IA. TensorLayer tem uma comunidade em rápido crescimento. Ele tem sido usado por pesquisadores e engenheiros de todo o mundo, incluindo os da Universidade de Pequim, Imperial College London, UC Berkeley, Universidade Carnegie Mellon, Universidade de Stanford e empresas como Google, Microsoft, Alibaba, Tencent, Xiaomi e Bloomberg.

Documentos multilíngues

TensorLayer possui extensa documentação para iniciantes e profissionais. A documentação está disponível em inglês e chinês.

Se quiser experimentar os recursos experimentais no branch master, você pode encontrar o documento mais recente aqui.

Exemplos extensos

Você pode encontrar uma grande coleção de exemplos que usam TensorLayer aqui e no seguinte espaço:

Primeiros passos

TensorLayer 2.0 depende de TensorFlow, numpy e outros. Para usar GPUs, são necessários CUDA e cuDNN.

Instale o TensorFlow:

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

Instale a versão estável do TensorLayer:

pip3 install tensorlayer

Instale a versão de desenvolvimento instável do TensorLayer:

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

Se quiser instalar as dependências adicionais, você também pode executar

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

Se você for usuário do TensorFlow 1.X, poderá usar o TensorLayer 1.11.0:

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

Referência de desempenho

A tabela a seguir mostra as velocidades de treinamento do VGG16 usando TensorLayer e TensorFlow nativo em um TITAN Xp.

Modo	Biblioteca	Formato de dados	Uso máximo de memória GPU (MB)	Uso máximo de memória da CPU (MB)	Uso médio de memória da CPU (MB)	Tempo de execução (seg)
Autógrafo	TensorFlow 2.0	último canal	11833	2161	2136	74
	TensorLayer 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
	TensorLayer 2.0	último canal	8723	2010	2007	95

Envolvendo-se

Leia as Diretrizes para Colaboradores antes de enviar seus PRs.

Sugerimos que os usuários relatem bugs usando problemas do Github. Os usuários também podem discutir como usar o TensorLayer no seguinte canal do Slack.

Citando TensorLayer

Se você achar o TensorLayer útil para o seu projeto, cite os seguintes artigos:

 @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}
}