คำตอบ:
TFlearnเป็นห้องสมุดการเรียนรู้แบบแยกส่วนและโปร่งใสที่สร้างขึ้นบน Tensorflow มันถูกออกแบบมาเพื่อให้ API ระดับที่สูงขึ้นเพื่อ TensorFlow เพื่ออำนวยความสะดวกและ experimentations ความเร็วสูงขึ้นในขณะที่เหลืออย่างโปร่งใสและเข้ากันได้กับมัน ถึงแม้จะมี TensorFlow แต่เราก็ต้องเผชิญกับทางเลือกที่จะใช้เฟรมเวิร์ก Front-End เราควรใช้ TensorFlow หรือ TF Learn หรือ Keras หรือไลบรารี่ TF-Slim ใหม่ที่ Google เปิดให้ใช้ภายใน TensorFlow โดยตรง
Kerasเป็น API โครงข่ายประสาทระดับสูงที่เขียนด้วย Python และสามารถทำงานบน TensorFlow, CNTK หรือ Theano มันได้รับการพัฒนาโดยมุ่งเน้นที่การเปิดใช้งานการทดสอบที่รวดเร็ว ความสามารถจากความคิดไปสู่ผลลัพธ์ด้วยความล่าช้าที่อาจเกิดขึ้นน้อยที่สุดคือกุญแจสำคัญในการทำวิจัยที่ดี
ความตรงTensorFlowนั้นเป็นจริงมากในขณะที่KerasและTfLearnทั้งคู่ดูแข็งแกร่ง แต่TfLearnไวยากรณ์ดูเหมือนจะสะอาดกว่าเล็กน้อย ข้อเสียเปรียบประการหนึ่งสำหรับ Tflearn คือการขาดโมเดลที่ได้รับการฝึกฝนมาก่อนอย่างง่ายดาย
จริงๆแล้วมีคำตอบมากมายสำหรับคำถามของคุณที่นี่และที่นี่และฉันพูดถึงพวกเขาที่นี่
TensorFlow ปัจจุบันเป็นกระแสหลักของกรอบการเรียนรู้ที่ลึกล้ำพวกเขาล้วนเป็นเสื้อคลุมของ TF ในขณะที่ Keras ได้รับการปล่อยตัวเมื่ออายุ Theano และได้รับการสนับสนุนที่ดีจากผู้ใช้ของ Theano ในขณะที่ TensorLayer และ TFLearn ทั้งคู่ถูกปล่อยหลังจาก TensorFlow เหตุผลที่ดีในการเลือก Keras คือคุณสามารถใช้แบ็กเอนด์ TensorFlow ได้โดยไม่ต้องเรียนรู้ นอกจากนี้ Keras ยังมีแนวโน้มที่จะปิดตัวแบบลึกลงไปดังนั้นคุณไม่จำเป็นต้องพิจารณาแบ็กเอนด์ว่าเป็น Theano หรือ TF ซึ่งเป็นข้อได้เปรียบที่ยิ่งใหญ่ของ Keras
ขึ้นอยู่กับว่าคุณต้องการจะทำอะไรต้นแบบเร็วหรืออะไรอย่างอื่น?
Keras: มีหลายคนกำลังใช้งานและหาตัวอย่างได้ง่ายบน GitHub เหมาะสำหรับผู้เริ่มต้น ความสามารถในการทำงานบน TensorFlow หรือ Theano Tflearn: ทำไมไม่มีใครพูดถึงมัน? นอกจากนี้ยังเป็นห้องสมุดที่มีชื่อเสียงโปร่งใสผ่าน TensorFlow ความเร็วในการวิ่งสูง TensorLayer: เพิ่งเปิดตัว (ก.ย. 2559) โปร่งใสผ่าน TensorFlow ความเร็วในการวิ่งสูง ง่ายต่อการขยายเหมาะสำหรับมืออาชีพบทแนะนำประกอบด้วยการใช้งานแบบโมดูลาร์ทั้งหมดของ Google TensorFlow Deep Tutorial การสอน TF-Silm: เพิ่งเปิดตัว (ส.ค. 2559) คล้ายกับ Tflearn แต่ไม่มีเลเยอร์ RNN ในขณะนี้ (ก.ย. 2559)
กรอบการเรียนรู้ที่ลึกที่สุดคือกรอบการเรียนรู้ที่ดีที่สุด