TensorLayer 中文文档

TensorLayer 中文文档

好消息 咱们得到了 ACM Multimedia (MM) 年度最佳开源软件奖。

TensorLayer 是为研究人员和工程师设计的一款基于Google TensorFlow开发的深度学习与强化学习库。 它提供高级别的（Higher-Level）深度学习API，这样不只能够加快研究人员的实验速度，也可以减小工程师在实际开发当中的重复工做。 TensorLayer很是易于修改和扩展，这使它能够同时用于机器学习的研究与应用。 此外，TensorLayer 提供了大量示例和教程来帮助初学者理解深度学习，并提供大量的官方例子程序方便开发者快速找到适合本身项目的例子。 更多细节请点击 这里。

这篇文档不单单是为了描述如何使用这个库也是一个遍历不一样类型的神经网络， 深度强化学习和天然语言处理等内容的教程。 此外，TensorLayer的Tutorial包含了全部TensorFlow官方深度学习教程的模块化实现，所以你能够对照TensorFlow深度学习教程来学习 [英文] [极客学院中文翻译]

注解

咱们建议你在 Github 上star和watch 官方项目 ，这样当官方有更新时，你会当即知道。本文档为 官方RTD文档 的翻译版，更新速度会比英文原版慢，若你的英文还行，咱们建议你直接阅读 官方RTD文档。

若是你阅读在线中文文档时有什么问题，你能够在github上下载这个项目， 而后去 /docs/cn/_build/html/index.html 阅读离线中文文档。 或者在 Read the docs 中阅读官方原文档。

用户指南

TensorLayer用户指南说明了如何去安装TensorFlow,CUDA和cuDNN， 而后如何用TensorLayer创建和训练神经网络和如何做为（一个开发者支持这个库。）

• 安装 Installation
  • 步骤 1 : 安装依赖库 dependencies
  • 步骤 2 : TensorFlow
  • 步骤 3 : TensorLayer
  • 步骤 4 : GPU 加速
  • Windows 用户
  • 困难
• 教程 Tutorials
  • 《深度学习：一块儿玩转TensorLayer》
  • 在咱们开始以前
  • TensorLayer很简单
  • 运行MNIST例子
  • 理解MNIST例子
  • 运行乒乓球例子
  • 理解强化学习
  • 运行Word2Vec例子
  • 理解词嵌套(word embedding)
  • 运行PTB例子
  • 理解LSTM
  • 更多经典教程
  • 翻译对照
  • 更多信息
• 例子 Examples
  • Basics
  • Vision
  • Adversarial Learning
  • Natural Language Processing
  • Reinforcement Learning
  • Pretrained Models
  • Miscellaneous
• 开发 Development
  • 理念
  • 如何参与咱们
• 更多 More
  • FAQ
  • 你的贡献
  • 招聘信息

API目录

若是你正在寻找某个特殊的函数，类或者方法，这一列文档就是为你准备的。

模块

• API - 激活函数
  • 自定义激活函数
  • Ramp
  • Leaky ReLU
  • Leaky ReLU6
  • Twice Leaky ReLU6
  • Swish
  • Sign
  • Hard Tanh
  • Pixel-wise softmax
  • 带有参数的激活函数
• API - Array 操做
  • Tensorflow Tensor 操做
• API - 损失函数
  • 自定义损失函数
  • Softmax cross entropy
  • Sigmoid cross entropy
  • Binary cross entropy
  • Mean squared error (L2)
  • Normalized mean square error
  • Absolute difference error (L1)
  • Dice coefficient
  • Hard Dice coefficient
  • IOU coefficient
  • Cross entropy for sequence
  • Cross entropy with mask for sequence
  • Cosine similarity
  • 规则化函数
• API - 分布式
  • 分布式训练
  • Session Hooks
• API - 文件
  • 下载数据集
  • 保存与加载模型
  • 保存与加载数据
  • 文件夹/文件相关函数
  • 排序
  • 可视化 npz 文件
• API - 迭代函数
  • 非时间序列
  • 时间序列
• API - 神经网络层
  • 了解层
  • 自定义层
  • 层预览表
  • Layer list
  • 基础层
  • 输入层
  • 激活层
  • 卷积层
  • 全链接层
  • Dropout 层
  • Extend 层
  • 与其余库对接
  • Flow Control 层
  • Image Resampling 层
  • Lambda 层
  • Merge 层
  • Noise 层
  • Normalization 层
  • Object Detection 层
  • Padding 层
  • Padding 层
  • Quantized Nets 量化网络
  • 递归层
  • Shape 层
  • Spatial Transformer
  • Stack 层
  • Time Distributed 层
  • Helper 函数
• API - 预训练模型
  • VGG16
  • VGG19
  • SqueezeNetV1
  • MobileNetV1
• API - 天然语言处理
  • 训练嵌入矩阵的迭代函数
  • 抽样方法
  • 词的向量表示
  • 从文件中读取文本
  • 从文件中读取类比题目
  • 创建词汇表、文本与ID转换字典及文本ID化
  • 文本转ID，ID转文本
  • 机器翻译相关函数
  • 衡量指标
• API - 优化器
  • 优化器预览表
  • AMSGrad 优化器
• API - 数据预处理
  • 并行 Threading
  • 图像
  • 目标检测
  • 序列
• API - 强化学习
  • 奖励函数
  • 损失函数
  • 采样选择函数
• API - 实用函数
  • 训练、测试及预测
  • 评估函数
  • 类平衡函数(class balancing)
  • 随机函数
  • 字典与列表
• API - 可视化
  • 读取与保存图片
  • 可视化模型参数
  • 可视化图像
  • 可视化词嵌入矩阵

开发中模块

• API - 数据库

命令行界面

TensorLayer提供简单易用的命令行工具 tl 来执行一些经常使用的任务。

• CLI - 命令行界面
  • tl train

索引与附录

• 索引
• 模块索引
• 搜索页面