TensorLayer是一个为研究人员和工程师设计的基于TensorFlow的深度学习和强化学习库。它提供了大量的可定制的神经层来快速构建高级的AI模型，在此基础上，社区开源的MASStutorials和applicationsTensorLayer荣获2017年度最佳开源软件奖ACM Multimedia Society该项目也可以在iHub和Gitee

新闻

🔥3.0.0将支持多个后端，如TensorFlow、MindSporte、PaddlePaddle等，允许用户在NVIDIA-GPU和华为-Ascend等不同硬件上运行代码。我们需要更多的人加入开发团队，如果你感兴趣，请发电子邮件hao.dong@pku.edu.cn

🔥强化学习动物园：Low-level APIs对于专业用途，High-level APIs对于简单的用法，以及相应的Springer textbook

🔥Sipeed Maxi-EMC：在上运行TensorLayer模型一种低成本的AI芯片(例如K210)(Alpha版本)

设计特点

TensorLayer是一个全新的深度学习库，其设计考虑到了简单性、灵活性和高性能

• 简单性：TensorLayer具有易于学习的高级层/模型抽象。您可以在几分钟内了解深度学习如何为您的人工智能任务带来好处，通过海量的examples
• 灵活性：TensorLayer API是透明和灵活的，灵感来自新兴的PyTorch库。与KERAS抽象相比，TensorLayer使构建和训练复杂的AI模型变得容易得多
• 零成本抽象：虽然使用起来很简单，但TensorLayer并不要求您在TensorFlow的性能上做出任何妥协(有关更多详细信息，请查看以下基准测试部分)

TensorLayer位于TensorFlow包装器中的一个独特位置。其他包装器，如Kera和TFLearn，隐藏了TensorFlow的许多强大功能，并且对编写自定义AI模型几乎没有提供支持。受到PyTorch的启发，TensorLayer API简单、灵活、Pythonic，让学习变得轻松，同时足够灵活地应对复杂的AI任务。TensorLayer拥有一个快速增长的社区。它已经被世界各地的研究人员和工程师使用，包括来自北京大学、伦敦帝国理工学院、加州大学伯克利分校、卡内基梅隆大学、斯坦福大学的研究人员和工程师，以及谷歌、微软、阿里巴巴、腾讯、小米和彭博社等公司的研究人员和工程师

多语种文档

TensorLayer为初学者和专业人士提供了大量文档。该文档有英文和中文两种版本。

如果您想在主分支上尝试实验功能，可以找到最新的文档here

大量的例子

中可以找到大量使用TensorLayer的示例here以及以下空格：

快速入门

TensorLayer2.0依赖于TensorFlow、Numpy等。要使用GPU，需要CUDA和cuDNN

安装TensorFlow：

pip3 install tensorflow-gpu==2.0.0-rc1 # TensorFlow GPU (version 2.0 RC1)
pip3 install tensorflow # CPU version

安装稳定版本的TensorLayer：

pip3 install tensorlayer

安装TensorLayer的不稳定开发版本：

pip3 install git+https://github.com/tensorlayer/tensorlayer.git

如果要安装其他依赖项，还可以运行

pip3 install --upgrade tensorlayer[all]              # all additional dependencies
pip3 install --upgrade tensorlayer[extra]            # only the `extra` dependencies
pip3 install --upgrade tensorlayer[contrib_loggers]  # only the `contrib_loggers` dependencies

如果您是TensorFlow 1.X用户，则可以使用TensorLayer 1.11.0：

# For last stable version of TensorLayer 1.X
pip3 install --upgrade tensorlayer==1.11.0

性能基准

下表显示了以下各项的训练速度VGG16在Titan XP上使用TensorLayer和原生TensorFlow

参与其中

请阅读Contributor Guideline在提交您的请购单之前

我们建议用户使用Github问题报告错误。用户还可以讨论如何在以下空闲通道中使用TensorLayer

引用TensorLayer

如果您觉得TensorLayer对您的项目有用，请引用以下论文：

@article{tensorlayer2017,
    author  = {Dong, Hao and Supratak, Akara and Mai, Luo and Liu, Fangde and Oehmichen, Axel and Yu, Simiao and Guo, Yike},
    journal = {ACM Multimedia},
    title   = {{TensorLayer: A Versatile Library for Efficient Deep Learning Development}},
    url     = {http://tensorlayer.org},
    year    = {2017}
}

@inproceedings{tensorlayer2021,
  title={Tensorlayer 3.0: A Deep Learning Library Compatible With Multiple Backends},
  author={Lai, Cheng and Han, Jiarong and Dong, Hao},
  booktitle={2021 IEEE International Conference on Multimedia \& Expo Workshops (ICMEW)},
  pages={1--3},
  year={2021},
  organization={IEEE}
}