第一章 Tensorlayer 介绍

TensorLayer 是从 Google TensorFlow 扩展而来的深度学习(DL)和强化学习(RL)库。它提供了流行的 DL 和 RL 模块,可以轻松地对其进行自定义和组装,以解决现实世界中的机器学习问题。可以在这里( https://github.com/tensorlayer/tensorlayer )找到更多详细信息。

本人在使用 DL4J 解决强化学习问题时,发现其自带的有些案例都不能学到很好的效果,所以想通过别的平台来对比一下,所以就选择了 Tensorlayer,这里也主要研究其强化学习算法方面的知识和案例。

第二章 Tensorlayer 安装

我电脑中的 python 环境直接使用 Anaconda 的,Anaconda 版本为 Python 3.7 版本(3.7.4)。
Tensorlayer 的安装本身不难,但是一定要注意版本兼容问题,尤其是在安装支持 PGU 版本的 Tensorlayer 时需要更加小心。如图 1 所示,只有高于 2.1.0 版本的 Tensorflow 才支持 CUDA10.1,所以在选择 CUDA 时一定要注意安装的 Tensorflow 版本,我安装的是 2.0.0-beta1 版本(图 2),所以 CUDA 最高安装 10.0 版本。

图1 Tensorflow软件需求 图2 Tensorflow版本

2.1 安装 TensorFlow

使用清华镜像加快安装速度(-i https://pypi.tuna.tsinghua.edu.cn/simple)

pip install tensorflow-gpu==2.0.0-beta1 -i https://pypi.tuna.tsinghua.edu.cn/simple

2.2 安装 TensorLayer

pip install tensorlayer -i https://pypi.tuna.tsinghua.edu.cn/simple

2.3 GPU 支持

  借助 NVIDIA 的支持,可以在 GPU 上训练完全连接的网络,这可能比在 CPU 上训练网络的速度快 10 到 20 倍。对于卷积网络,可能要快 50 倍。这需要具有 CUDA 和 cuDNN 支持的 NVIDIA GPU。

2.3.1 安装 Microsoft Visual

  在安装 CUDA 之前,您应该预安装 Microsoft Visual Studio(VS)。最低版本要求是 VS2010。我们建议安装 VS2015 或 VS2013。CUDA7.5 支持 VS2010,VS2012 和 VS2013。CUDA8.0 还支持 VS2015。

2.3.2 安装

  可从 NVIDIA 网站下载并安装 10.0 版本的 CUDA(https://developer.nvidia.com/cuda-toolkit-archive),安装时不建议修改默认安装目录。

2.3.3 安装 cuDNN

  NVIDIA CUDA® 深度神经网络库(cuDNN)是用于深度神经网络的 GPU 加速库。可从 NVIDIA 网站下载并提取对应 CUDA 版本的 cuDNN(https://developer.nvidia.com/rdp/cudnn-download)。
提取 cuDNN 后,将获得三个文件夹(bin,lib,include)。然后,应将这些文件夹复制到 CUDA 安装中。(默认安装目录为 C:\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0)

2.3.4 验证

  如果 CUDA 安装,在 cmd 中可以通过 nvcc -V 查看 CUDA 版本。

图 3 验证 CUDA 安装是否正确 获取更多资讯,赶快关注上面的公众号吧!文章目录第一章 Tensorlayer 介绍第二章 Tensorlayer 安装2.1 安装 TensorFlow2.2 安装 TensorLayer2.3 GPU 支持2.3.1 安装 Microsoft Visual2.3.2 安装2.3.3 安装 cuDNN2.3.4 验证第一章 Tensorlayer 介绍  TensorLayer 是从 Go...
1、spyder 3.3.2 requires pyqt5<5.10; python_version >= “3”, which is not installed. 这个错误,使用下面的语句解决 pip install pyqt5==5.9.0 2、Cannot uninstall ‘imageio’. It is a distutils installed project and...
TensorLayer官中文档 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,这样不仅可以加快研究人员的实验速度,也能够减少工程师在实际开发当中的重复工作。 TensorLayer非常易于修改和扩展,这使它可以同时用于机器学习的研究与应用 由于用TensorFl...
TensorFlow 是非常强大的分布式跨平台深度学习框架; 因此,我们有必要比较一下基于 TensorFlow 开发的三个库 :Keras, TensorLayer,  Tflearn Keras:是这三个库中最早发布的,最开始只支持 Theano,16年初开始同时支持 Theano 和 TensorFlow 。它的优点是提供傻瓜式编程风格,一分钟可以上手。 有中英文文档。
1.建议直接使用pip安装,命令为pip install tensorlayer==版本号,版本号=tensorflow的版本号,查看tensorlfow版本号可以使用如下命令: import tensorflow as tf tf.__version__tensorlayer版本与tensorflow版本需要保持一致; 2.安装过程中可能会升级现有的某些库,所以有可能导致提示successfully installed tensorlayer,但import的时候会出错; 出错原因:这些库之所以会存在是
这几天读一个源代码里用到了tensorlayer,查了一下据说是tensorflow的打包版,还是ACM年度最佳开源软件,遂安装之。遇到了下面几个问题。 1.根据官网给的中文API,在命令行里用下面的代码安装: pip install git+https://github.com/zsdonghao/tensorlayer.git 然后它就开始clone。我下去取了个快递喝了个水遛了个弯回...
TensorLayer 是基于Google TensorFlow开发的高级人工智能库,与现有的库相比,它有很强的兼容性,代码透明,非常易于修改的优点。 因此,安装 TensorLayer 时,我们要考虑我们是否会自己添加、或者修改 TensorLayer 的代码。 比如 ReconLayer 是用来实现 Autoencoder 的,它的 pretrain 方法可以让用户根据自己的 pr
sess = tf.InteractiveSession() # 导入数据 X_train, y_train, X_val, y_val, X_test, y_test = tl.files.load_mnist_dataset(shape=(-1, 28, 28, 1)) matplotlib==3.5.1 from tensorflow.keras import layers, models, Input, optimizers, losses from tensorflow_probability.python...