【tflearn系列教程】(一)为什么要学tflearn?

本教程介绍了tflearn——一个基于TensorFlow的深度学习库,提供高层次API,简化神经网络构建。文章涵盖库的简介、特性、示例代码、模型可视化及如何参与贡献。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

什么是tflearn

本教程参考自tflearn官方文档(英文版)http://tflearn.org,主要是对官方文档的翻译与讲解,并结合本人实战经验而作,如有错误,欢迎指出!
作者 : totorocyx    邮箱 : 847994259@qq.com(转载请联系)

简介

官方的定义是:TFLearn是一个深度学习库,它提供了基于tensorflow的高层API接口.它是在tensorflow上建立的一个模块化的易于使用的库,有助于加快你构建deep learning网络的过程,节省冗长的代码时间.

TFLearn 有如下特性:

  • Easy-to-use and understand high-level API for implementing deep neural networks, with tutorial and examples.
    (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)
  • Fast prototyping through highly modular built-in neural network layers, regularizers, optimizers, metrics…
    (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)
  • Full transparency over Tensorflow. All functions are built over tensors and can be used independently of TFLearn.
    (对 TensorFlow 完全透明,所有函数都是基于 tensor,可以独立于
# 工程内容 这个程序是基于tensorflowtflearn库实现部分RCNN功能。 # 开发环境 windows10 + python3.5 + tensorflow1.2 + tflearn + cv2 + scikit-learn # 数据集 采用17flowers据集, 官网下载:http://www.robots.ox.ac.uk/~vgg/data/flowers/17/ # 程序说明 1、setup.py---初始化路径 2、config.py---配置 3、tools.py---进度条和显示带框图像工具 4、train_alexnet.py---大数据集预训练Alexnet网络,140个epoch左右,bitch_size为64 5、preprocessing_RCNN.py---图像的处理(选择性搜索、数据存取等) 6、selectivesearch.py---选择性搜索源码 7、fine_tune_RCNN.py---小数据集微调Alexnet 8、RCNN_output.py---训练SVM并测试RCNN(测试的时候测试图片选择第7、16类中没有参与训练的,单朵的花效果好,因为训练用的都是单朵的) # 文件说明 1、train_list.txt---预训练数据,数据在17flowers文件夹中 2、fine_tune_list.txt---微调数据2flowers文件夹中 3、1.png---直接用选择性搜索的区域划分 4、2.png---通过RCNN后的区域划分 # 程序问题 1、由于数据集小的原因,在微调时候并没有像论文样按个bitch32个正样本,128个负样本输入,感觉正样本过少; 2、还没有懂最后是怎么给区域打分的,所有非极大值抑制集合canny算子没有进行,待续; 3、对选择的区域是直接进行缩放的; 4、由于数据集合论文采用不样,但是微调和训练SVM时采用的IOU阈值样,有待调参。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值