Deep Learning-TensorFlow TFLearn 快速搭建深度学习模型Alxnet
2017-10-21 15:52
1101 查看
环境:ubantu16.04
软件:python2.7/cuda8.0
GPU:GTX1060
TensorFlow安装: pip install tensorflow-gpu (GPU版)
TFLearn安装:pip install tflearn
TFLearn
TFLearn 是一个构建在 TensorFlow 之上的模块化和透明的深度学习库。它为 TensorFlow 提供高层次 API,目的是便于快速搭建试验环境,同时保持对 TensorFlow 的完全透明和兼容性。
它的特点:
容易使用和易于理解的高层次 API 用于实现深度神经网络,附带教程和例子;
通过高度模块化的内置神经网络层、正则化器、优化器等进行快速原型设计;
对 TensorFlow 完全透明,所有函数都是基于 tensor,可以独立于 TFLearn 使用;
强大的辅助函数,训练任意 TensorFlow 图,支持多输入、多输出和优化器;
简单而美观的图可视化,关于权值、梯度、特征图等细节;
无需人工干预,可使用多 CPU、多 GPU;
高层次 API 目前支持最近大多数深度学习模型,像卷积网络、LSTM、BiRNN、BatchNorm、PReLU、残差网络、生成网络、增强学习。
1.安装:pip install tflearn
2.案例:
在 tflearn/examples/images/alexnet.py 下学习如何用 TFLearn 实现 AlexNet 用于 Oxford 17 类鲜花 数据集分类任务。用于 ImageNet
的 AlexNet 网络:
针对 Oxford 17类鲜花问题作出的修改:
输入图像尺寸变为 227 x 227;
将 2-tower 架构改为 single-tower;
最后一个分类层的输出类别数从 1000 变为 17。
直接运行 alexnet.py 文件将自动下载 Oxford 17 flowers 数据集进行训练,数据集包含17种类别,每种类别80张图片
训练过程
训练集:1224张,测试集:136张
迭代5000次,acc达99.95%
软件:python2.7/cuda8.0
GPU:GTX1060
TensorFlow安装: pip install tensorflow-gpu (GPU版)
TFLearn安装:pip install tflearn
TFLearn
TFLearn 是一个构建在 TensorFlow 之上的模块化和透明的深度学习库。它为 TensorFlow 提供高层次 API,目的是便于快速搭建试验环境,同时保持对 TensorFlow 的完全透明和兼容性。
它的特点:
容易使用和易于理解的高层次 API 用于实现深度神经网络,附带教程和例子;
通过高度模块化的内置神经网络层、正则化器、优化器等进行快速原型设计;
对 TensorFlow 完全透明,所有函数都是基于 tensor,可以独立于 TFLearn 使用;
强大的辅助函数,训练任意 TensorFlow 图,支持多输入、多输出和优化器;
简单而美观的图可视化,关于权值、梯度、特征图等细节;
无需人工干预,可使用多 CPU、多 GPU;
高层次 API 目前支持最近大多数深度学习模型,像卷积网络、LSTM、BiRNN、BatchNorm、PReLU、残差网络、生成网络、增强学习。
1.安装:pip install tflearn
2.案例:
在 tflearn/examples/images/alexnet.py 下学习如何用 TFLearn 实现 AlexNet 用于 Oxford 17 类鲜花 数据集分类任务。用于 ImageNet
的 AlexNet 网络:
针对 Oxford 17类鲜花问题作出的修改:
输入图像尺寸变为 227 x 227;
将 2-tower 架构改为 single-tower;
最后一个分类层的输出类别数从 1000 变为 17。
直接运行 alexnet.py 文件将自动下载 Oxford 17 flowers 数据集进行训练,数据集包含17种类别,每种类别80张图片
训练过程
训练集:1224张,测试集:136张
迭代5000次,acc达99.95%
相关文章推荐
- Deep Learning-TensorFlow (10) CNN卷积神经网络_ TFLearn 快速搭建深度学习模型
- 在浏览器中进行深度学习:TensorFlow.js (二)第一个模型,线性回归
- 学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
- TensorFlow Saver方法 深度学习 输出模型
- 微星GT80S win8+ubuntu16.04.01+theano+tensorflow+cuda8.0深度学习平台搭建
- [AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Keras TensorFlow教程:如何从零开发一个复杂深度学习模型
- 深度学习模型的量化方法(论文学习 & tensorflow lite量化方法)
- 利用 TFLearn 快速搭建经典深度学习模型
- [置顶] 深度学习框架搭建 Ubuntu16.04+CUDA+Anaconda4.2+Python3.5+keras+TensorFlow gpu+cuDNN
- 在浏览器中进行深度学习:TensorFlow.js (三)更多的基本模型
- Keras TensorFlow教程:如何从零开发一个复杂深度学习模型
- 深度学习服务器环境搭建详细版(Ubuntu16.04+CUDA8+Caffe+Anaconda+TensorFlow+共享)
- 在浏览器中进行深度学习:TensorFlow.js (四)用基本模型对MNIST数据进行识别
- win7系统 深度学习环境 anaconda+tensorflow+jupyter notebook轻松搭建
- Deeplearning4j 实战(8) : Keras为媒介导入Tensorflow/Theano等其他深度学习库的模型
- TensorFlow PlayGround 快速入门深度学习
- 如何比较Keras, TensorLayer, TFLearn ?——如果只是想玩玩深度学习,想快速上手 -- Keras 如果工作中需要解决内部问题,想快速见效果 -- TFLearn 或者 Tensorlayer 如果正式发布的产品和业务,自己设计网络模型,需要持续开发和维护 -- Tensorlayer
- 深度学习GPU环境搭建:ubuntu16.04+GTX1070+Cuda8.0+tensorflow build from source