TFLearn：特色的深度學習函式庫，TensorFlow 高階 API。

TFlearn 是建構在 TensorFlow 的模組化且透明化的深度學習函式庫。專門設計用來提升 TensorFlow 的高階 API，以便簡化並加速實驗，同時保持完全透明化且與之相容。

TFLearn 的特色包含

易於使用且能理解的高階 API 來實作深度神經網路，並提供教學範例。
透過高度模組化的內建神經網路圖層、正規器、最佳化器、指標，來快速建立雛形。
TensorFlow 的完全透明化。所有元件均建構自張量，並可獨立於 TFLearn 使用。
訓練任何 TensorFlow 圖形的強力幫手函式，並支援多重輸入、輸出與最佳化器。
容易且美觀的圖形呈現，包含有關於權重、梯度、啟用等詳細資訊...
輕而易舉的裝置配置，適用於多重 CPU/GPU。

高階的 API 目前支援絕大多數近期深度學習模型，例如：卷積、LSTM、雙向迴歸神經網路、批次正規化、ReLU、殘餘網路、生成網路等...。而 TFLearn 未來也預計會持續更新至最新的深度學習技術。

注意：最新的 TFLearn(v0.3)只與 TensorFlow 1.0 以上版本相容。

快速總覽

程式碼範例

# Classification
tflearn.init_graph(num_cores=8, gpu_memory_fraction=0.5)

net = tflearn.input_data(shape=[None, 784])
net = tflearn.fully_connected(net, 64)
net = tflearn.dropout(net, 0.5)
net = tflearn.fully_connected(net, 10, activation='softmax')
net = tflearn.regression(net, optimizer='adam', loss='categorical_crossentropy')

model = tflearn.DNN(net)
model.fit(X, Y)

# Sequence Generation
net = tflearn.input_data(shape=[None, 100, 5000])
net = tflearn.lstm(net, 64)
net = tflearn.dropout(net, 0.5)
net = tflearn.fully_connected(net, 5000, activation='softmax')
net = tflearn.regression(net, optimizer='adam', loss='categorical_crossentropy')

model = tflearn.SequenceGenerator(net, dictionary=idx, seq_maxlen=100)
model.fit(X, Y)
model.generate(50, temperature=1.0)

還有更多範例在此處提供。