tflearn 예제

0 0

파이썬 -m 핍 설치 – 업그레이드 tensorflow tflearn 여전히 관련된 코드와 복잡성의 양에 만족하지, 우리는 tflearn를 사용하여 다시 추상, 이는 로 자신을 설명: 그리고 여기에 종종 이미지에 사용되는 컨볼루션 신경 망에 대한 tflearn 설정입니다 인식. 우리가하고있는 모든 네트워크의 수학 방정식에 대한 수학 시퀀스를 제공하고 데이터를 제공하는 것입니다 다시 한 번 알 수 있습니다. 다음으로 우리는 깊은 신경망을 인스턴스화: tflearn. 로깅을 활성화하는 텐서 보드 매개 변수와 우리의 네트워크와 DNN. TFLearn을 보다 심층적으로 연습할 수 있는 수많은 신경망 구현과 함께 많은 예제가 있습니다: LSTM RNN(장기-단기 메모리 재발 신경망)에 대한 tflearn 설정은 종종 데이터 시퀀스를 학습하는 데 사용됩니다. 메모리. 네트워크 및 tflearn.lstm에 대 한 다른 설정을 확인 하지만 대부분 동일한 기본 개념입니다. 다음으로 텐서플로우 예제와 동일한 장난감 데이터인 데이터를 설정합니다. 교육 데이터는 자명해야 합니다.

우리는 더 이상 테스트 데이터를 개척 할 필요가 없습니다 주의, tflearn 프레임 워크는 우리를 위해이 작업을 수행 할 수 있습니다. 우리의 감소는 tflearn, 텐서 플로우 위의 레이어, 파이썬 위의 레이어를 사용하여 달성된다. 언제나처럼 우리는 우리의 작업을 용이하게하는 도구로 iPython 노트북을 사용합니다. 텐서플로우와 tflearn가 설치되어 있는지 확인합니다. 그렇지 않은 경우 다음 지침을 따르십시오. 우리의 tflearn 프레임 워크는 자동으로 텐서 보드에 데이터를 전달: 텐서 플로우에 대한 시각화 도구. 우리는 tflearn와 로그 파일을 제공했기 때문에. DNN 우리는 빠른 모습을 가질 수 있습니다. 위의 모든 함수는 컬렉션을 매개 변수로 받아들이고 해당 컬렉션에 대해 병합된 요약을 반환합니다(기본 이름: `tflearn_summ`).

따라서 전체 요약 ops 컬렉션을 이미 병합하려면 마지막 요약기를 실행하기만 하면 됩니다. 텐서플로우 1.0.x가 설치되어 있는지 확인, tflearn 프레임 워크 버전 1.0 전에 텐서 플로우와 함께 작동하지 않습니다 처음 5 라인은 tflearn 함수의 시퀀스와 우리의 신경 `그물`을 정의 : tflearn.input_data에서 tflearn.fully_connected에, tflearn.regression. 이 `흐름`은 텐서플로우 예제와 동일합니다: 입력 데이터에는 5개의 기능이 있으며 각 숨겨진 레이어에 32개의 노드를 사용하고 출력에는 2개의 클래스가 있습니다. 딥 러닝 문제를 몇 줄의 코드로 줄이는 방법은 `프레임워크`라고도 하는 추상화 계층을 사용하는 것입니다. 오늘 우리는 텐서 플로우와 tflearn을 사용합니다. 마지막으로, 재미있는 부분이 시작됩니다! 우리는 tflearn를 사용하여 컨볼루션 신경망을 구축할 것입니다. 한 가지 추가 보너스는 드롭아웃 레이어를 사용하는 것입니다. 여기 모델이 있습니다: 좋아, 그래서 당신은 높은 수준의 라이브러리에서 판매하고 있습니다, 어느 하나? 텐서플로우는 아직 베타 버전이지만 케라스, SKFlow, TFLearn 및 TFSlim이 있습니다. 케라스 를 제외하고, 다른 세 텐서 플로우 특정입니다. 훈련을 계속하고 싶으시다면? 새 데이터에 .fit을 실행하고 저장한 다음 계속하기만 하면 됩니다.