TensorFlow - TFLearn e la sua installazione

TFLearn può essere definito come un aspetto di deep learning modulare e trasparente utilizzato nel framework TensorFlow. Il motivo principale di TFLearn è fornire un'API di livello superiore a TensorFlow per facilitare e mostrare nuovi esperimenti.

Considera le seguenti importanti caratteristiche di TFLearn:

  • TFLearn è facile da usare e da capire.

  • Comprende concetti semplici per costruire livelli di rete altamente modulari, ottimizzatori e varie metriche incorporate al loro interno.

  • Include la piena trasparenza con il sistema di lavoro TensorFlow.

  • Include potenti funzioni di supporto per addestrare i tensori incorporati che accettano più input, output e ottimizzatori.

  • Include una visualizzazione grafica semplice e bella.

  • La visualizzazione del grafico include vari dettagli di pesi, gradienti e attivazioni.

Installa TFLearn eseguendo il seguente comando:

pip install tflearn

All'esecuzione del codice precedente, verrà generato il seguente output:

La figura seguente mostra l'implementazione di TFLearn con il classificatore Random Forest -

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])