TensorFlow - TFLearn y su instalación

TFLearn se puede definir como un aspecto de aprendizaje profundo modular y transparente que se utiliza en el marco de trabajo de TensorFlow. El motivo principal de TFLearn es proporcionar una API de nivel superior a TensorFlow para facilitar y mostrar nuevos experimentos.

Considere las siguientes características importantes de TFLearn:

  • TFLearn es fácil de usar y comprender.

  • Incluye conceptos sencillos para construir capas de red altamente modulares, optimizadores y varias métricas integradas en ellos.

  • Incluye transparencia total con el sistema de trabajo TensorFlow.

  • Incluye potentes funciones de ayuda para entrenar los tensores incorporados que aceptan múltiples entradas, salidas y optimizadores.

  • Incluye una visualización de gráficos fácil y hermosa.

  • La visualización del gráfico incluye varios detalles de pesos, gradientes y activaciones.

Instale TFLearn ejecutando el siguiente comando:

pip install tflearn

Tras la ejecución del código anterior, se generará la siguiente salida:

La siguiente ilustración muestra la implementación de TFLearn con el clasificador 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])