tensorlayer/TensorLayer

Библиотека глубокого обучения и обучения с подкреплением для ученых и инженеров

Прочее⭐ 7 380Pythonпоследний релиз: v2.2.4
Открыть на GitHub ↗Сайт проекта ↗

Что это за инструмент

TensorLayer — это библиотека глубокого и обучения с подкреплением на базе TensorFlow, предлагающая высокоуровневые абстракции для быстрого создания моделей. Проект также имеет форк TensorLayerX, поддерживающий несколько бэкендов (PyTorch, MindSpore и др.) и аппаратных платформ.

Зачем нужен

Инструмент предназначен для упрощения разработки сложных нейросетевых архитектур за счет гибких и Pythonic API, вдохновленных PyTorch. Он полезен исследователям и инженерам, которым нужна высокая производительность TensorFlow без потери гибкости, а также для быстрого прототипирования и внедрения моделей RL.

Что можно реализовать

  • Разработка и обучение моделей глубокого обучения с использованием готовых настраиваемых слоев
  • Создание и тестирование алгоритмов обучения с подкреплением (Reinforcement Learning) через RLzoo
  • Портинг моделей на различные бэкенды (TensorFlow, PyTorch, PaddlePaddle) и железо (Nvidia-GPU, Huawei-Ascend) через TensorLayerX
  • Развертывание моделей на низкозатратных AI-чипах (например, K210) или MCU (STM32) с использованием квантованных моделей

Ключевые возможности

  • Поддержка нескольких бэкендов и аппаратных ускорителей через проект TensorLayerX
  • Высокоуровневые API, сочетающие простоту Keras и гибкость PyTorch
  • Отсутствие накладных расходов на производительность (Zero-cost Abstraction) по сравнению с чистым TensorFlow
  • Обширная коллекция примеров и учебников, включая специализированные материалы по RL
  • Признание ACM Multimedia Society как лучшего открытого ПО в 2017 году

👤 Кому подойдёт: Исследователи, инженеры по машинному обучению и разработчики, работающие с TensorFlow, PyTorch или другими фреймворками, а также специалисты, занимающиеся внедрением AI на edge-устройствах.

Релизы

v2.2.4patch
🕐 69 мес назад · релиз на GitHub ↗

Техническое обслуживание TensorLayer: исправлены ошибки в пакетной нормализации и рекуррентных слоях.

  • Fixed: Исправлена работа пакетной нормализации (batchnorm).
  • Fixed: Устранены ошибки в рекуррентных слоях (recurrent).