TensorLayer下载 - TensorLayer源码下载

TensorLayer

Ai源码

TensorLayer 2.2.4 Release

下载

请点击TensorLayerX

TensorLayer 是一个新颖的基于 TensorFlow 的深度学习和强化学习库，专为研究人员和工程师设计。它提供了大量可定制的神经层，可以快速构建高级AI模型，在此基础上，社区开源海量教程和应用程序。 TensorLayer 荣获 ACM 多媒体协会颁发的 2017 年度最佳开源软件奖。该项目也可以在 OpenI 和 Gitee 上找到。

消息

TensorLayerX 是适用于所有硬件、后端和操作系统的统一深度学习和强化学习框架。当前版本支持 TensorFlow、Pytorch、MindSpore、PaddlePaddle、OneFlow 和 Jittor 作为后端，允许用户在 Nvidia-GPU 和华为-Ascend 等不同硬件上运行代码。
TensorLayer 现已在 OpenI 中
强化学习动物园：专业用途的低级 API、简单用途的高级 API 以及相应的 Springer 教科书
Sipeed Maxi-EMC：在低成本AI芯片（例如K210）上运行TensorLayer模型（Alpha版本）

设计特点

TensorLayer 是一个新的深度学习库，其设计考虑了简单性、灵活性和高性能。

简单性：TensorLayer 具有易于学习的高级层/模型抽象。通过海量示例，您可以在几分钟内了解深度学习如何使您的 AI 任务受益。
灵活性：TensorLayer API 透明且灵活，受到新兴 PyTorch 库的启发。与 Keras 抽象相比，TensorLayer 使构建和训练复杂的 AI 模型变得更加容易。
零成本抽象：尽管使用简单，TensorLayer 并不要求您对 TensorFlow 的性能做出任何妥协（请查看以下基准测试部分以了解更多详细信息）。

TensorLayer 在 TensorFlow 包装器中处于独特的位置。 Keras 和 TFLearn 等其他包装器隐藏了 TensorFlow 的许多强大功能，并且对编写自定义 AI 模型几乎不提供支持。受 PyTorch 的启发，TensorLayer API 简单、灵活且 Pythonic，使其易于学习，同时足够灵活以应对复杂的 AI 任务。 TensorLayer 拥有一个快速发展的社区。它已被世界各地的研究人员和工程师使用，包括来自北京大学、伦敦帝国理工学院、加州大学伯克利分校、卡内基梅隆大学、斯坦福大学以及谷歌、微软、阿里巴巴、腾讯、小米和彭博等公司的研究人员和工程师。

多语言文件

TensorLayer 为初学者和专业人士提供了大量文档。该文档有英文和中文版本。

如果你想在 master 分支上尝试实验性功能，你可以在这里找到最新的文档。

广泛的例子

您可以在此处和以下空间找到大量使用 TensorLayer 的示例：

入门

TensorLayer 2.0 依赖于 TensorFlow、numpy 等。要使用 GPU，需要 CUDA 和 cuDNN。

安装 TensorFlow：

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

安装 TensorLayer 的稳定版本：

pip3 install tensorlayer

安装 TensorLayer 的不稳定开发版本：

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

如果你想安装额外的依赖项，你也可以运行

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

如果您是 TensorFlow 1.X 用户，可以使用 TensorLayer 1.11.0：

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

性能基准

下表显示了在 TITAN Xp 上使用 TensorLayer 和原生 TensorFlow 的 VGG16 的训练速度。

模式	库	数据格式	最大 GPU 内存使用量(MB)	最大CPU内存使用量(MB)	平均 CPU 内存使用量(MB)	运行时间（秒）
签名	TensorFlow 2.0	最后频道	11833	2161	2136	74
	张量层2.0	最后频道	11833	2187	2169	76
图形	喀拉斯	最后频道	8677	2580	2576	101
渴望的	TensorFlow 2.0	最后频道	8723	2052	2024年	97
	张量层2.0	最后频道	8723	2010年	2007年	95

参与其中

请在提交 PR 之前阅读贡献者指南。

我们建议用户使用 Github issues 报告错误。用户也可以在下面的slack频道中讨论如何使用TensorLayer。

引用TensorLayer

如果您发现 TensorLayer 对您的项目有用，请引用以下论文：

 @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}
}

展开

附加信息