Tensorflow-tflearn-its-installation
提供:Dev Guides
TensorFlow-TFLearnとそのインストール
TFLearnは、TensorFlowフレームワークで使用されるモジュール式で透過的なディープラーニングの側面として定義できます。 TFLearnの主な動機は、新しい実験を促進および表示するために、TensorFlowに高レベルのAPIを提供することです。
TFLearnの次の重要な機能を考慮してください-
- TFLearnは使いやすく、理解しやすいです。
- 高度にモジュール化されたネットワークレイヤー、オプティマイザー、およびそれらに埋め込まれたさまざまなメトリックを構築するための簡単なコンセプトが含まれています。
- TensorFlow作業システムとの完全な透過性が含まれています。
- 複数の入力、出力、オプティマイザーを受け入れる組み込みテンソルをトレーニングする強力なヘルパー関数が含まれています。
- 簡単で美しいグラフの視覚化が含まれています。
- グラフの視覚化には、重み、勾配、およびアクティベーションのさまざまな詳細が含まれます。
次のコマンドを実行してTFLearnをインストールします-
pip install tflearn
上記のコードを実行すると、次の出力が生成されます-
次の図は、ランダムフォレスト分類子を使用したTFLearnの実装を示しています-
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])