जवाबों:
TFlearn , Tensorflow के शीर्ष पर बना एक मॉड्यूलर और पारदर्शी गहन शिक्षण पुस्तकालय है। यह पूरी तरह से पारदर्शी और इसके साथ संगत रहते हुए, प्रयोगों को सुविधाजनक बनाने और गति प्रदान करने के लिए, TensorFlow को एक उच्च-स्तरीय एपीआई प्रदान करने के लिए डिज़ाइन किया गया था । TensorFlow के साथ भी, हालांकि, हम एक विकल्प का उपयोग करने के लिए "सामने के अंत" ढांचे का सामना करते हैं। क्या हमें TensorFlow में Google द्वारा जारी सीधे TensorFlow, या TF Learn, या Keras, या नई TF-Slim लाइब्रेरी का उपयोग करना चाहिए।
केरस एक उच्च-स्तरीय तंत्रिका नेटवर्क एपीआई है, जिसे पायथन में लिखा गया है और टेन्सरफ्लो, सीएनटीके, या थीनो के शीर्ष पर चलने में सक्षम है। यह तेजी से प्रयोग को सक्षम करने पर ध्यान देने के साथ विकसित किया गया था। कम से कम संभव देरी के परिणाम के लिए विचार से जाने में सक्षम होना अच्छा शोध करने के लिए महत्वपूर्ण है।
TensorFlowजबकि वास्तव में सीधे क्रिया है Kerasऔर TfLearnदोनों ठोस प्रतीत होते हैं, लेकिन TfLearnवाक्यविन्यास थोड़ा साफ लगता है। Tflearn के लिए एक दोष यह आसानी से एकीकृत पूर्व प्रशिक्षित मॉडल की कमी है।
वास्तव में यहाँ और यहाँ आपके प्रश्न के लिए बहुत सारे उत्तर हैं और मैं उनमें से कुछ को यहाँ उद्धृत करता हूँ।
TensorFlow वर्तमान में गहरी सीखने की रूपरेखा की मुख्य धारा है, वे TF के सभी आवरण हैं। जबकि, केरेस को थीनो की उम्र में रिलीज़ किया गया था, और इसलिए थीनो के उपयोगकर्ताओं का अच्छा समर्थन रहा। जबकि TensorLayer के बाद TensorLayer और TFLearn दोनों जारी किए गए हैं। Keras चुनने का एक अच्छा कारण यह है कि आप TensorFlow बैकएंड का उपयोग वास्तव में इसे सीखने के बिना कर सकते हैं। प्लस केरस मॉडल को गहराई से लपेटने की कोशिश करता है, इसलिए आपको बैकेंड को थीनो या टीएफ मानने की आवश्यकता नहीं है, जो कि केरस का एक बड़ा लाभ है।
यह निर्भर करता है कि आप क्या करना चाहते हैं, तेजी से प्रोटोटाइप या कुछ और?
केरस: कई लोग इसका उपयोग कर रहे हैं, जीथब पर उदाहरण खोजना आसान है। शुरुआत के लिए उपयुक्त। TensorFlow या Theano के शीर्ष पर चलने में सक्षम। Tflearn: कोई भी इसकी चर्चा क्यों नहीं करता है? यह एक प्रसिद्ध पुस्तकालय भी है, जो TensorFlow पर पारदर्शी है। उच्च गति। TensorLayer: जस्ट रिलीज़ (Sep 2016), TensorFlow पर पारदर्शी। उच्च गति। पेशेवर के लिए उपयुक्त, विस्तारित करने में आसान, इसके ट्यूटोरियल में Google TensorFlow Deep Learning tutorial के सभी संशोधित कार्यान्वयन शामिल हैं। TF-Silm: Tflearn के समान ही रिलीज़ (अगस्त 2016), लेकिन फिलहाल कोई RNN लेयर (Sep 2016) नहीं।
सबसे अच्छा गहन शिक्षण ढांचा वह है जिसे आप सबसे अच्छे से जानते हैं।