TensorFlow - TFLearn 及其安装

TFLearn 可以定义为模块化且透明的深度学习方面，用于 TensorFlow 框架。TFLearn 的主要动机是为 TensorFlow 提供一个较高级别的 API，以便促进和展示新的实验。

考虑 TFLearn 的以下重要特征 −

• TFLearn 易于使用和理解。

• 它包含易于构建高度模块化网络层、优化器及其内嵌的各种度量的概念。

• 它包含与 TensorFlow 工作系统完全的透明性。

• 它包含强大的帮助函数，用于训练内置的接受多输入、输出和优化器的张量。

• 它包含简单美观的图形可视化。

• 图形可视化包括权重、梯度和激活的各种详细信息。

通过执行以下命令安装 TFLearn −

pip install tflearn

执行上述代码后，会生成以下输出 −

以下插图显示了通过随机森林分类器实现 TFLearn −

from __future__ import division, print_function, absolute_import

#TFLearn module implementation
import tflearn
from tflearn.estimators import RandomForestClassifier

# Data loading and pre-processing with respect to dataset
import tflearn.datasets.mnist as mnist
X, Y, testX, testY = mnist.load_data(one_hot = False)

m = RandomForestClassifier(n_estimators = 100, max_nodes = 1000)
m.fit(X, Y, batch_size = 10000, display_step = 10)

print("Compute the accuracy on train data:")
print(m.evaluate(X, Y, tflearn.accuracy_op))

print("Compute the accuracy on test set:")
print(m.evaluate(testX, testY, tflearn.accuracy_op))

print("Digits for test images id 0 to 5:")
print(m.predict(testX[:5]))

print("True digits:")
print(testY[:5])