TuneLayer 面向研究人员和软件工程师的深度学习和增强学习库

TuneLayer 的前身是  TensorLayer 它是为科学家和工程师而设计的一款基于Google TensorFlow开发的深度学习与增强学习库。使用 TLayer 可以大大加快算法实验和产品开发速度。它非常容易拓展和修改，并提供大量的官方例子程序，方便开发者快速找到适合自己项目的例子。

官方文档 不仅仅描述如何使用 TuneLayer API，还包含了大量的教程，覆盖不同的神经网络类型、深度增强学习和自然语言处理等等。不过，与其它基于TensorFlow开发的傻瓜式API不同，TuneLayer需要使用者有基本的神经网络知识。了解TensorFlow的基础，可以让用非常熟练地使用它。

设计理念

TuneLayer 的发展需要和 TensorFlow 紧密结合，因此 TuneLayer 的设计具有很强的可塑性，它追随如下的设计理念：

Transparency（透明）：不会去隐藏 TensorFlow，而是尽可能地依赖 TensorFlow 的方法，追随 TensorFlow 的惯例。不会去隐藏训练过程，所有迭代、初始化都可以被用户管理。

Tensor （张量）：神经网络通过高纬度数据表达。

TPU（张量处理单元）：张量处理单元是 Google 设计的专门执行机器学习的定制化 ASIC，除了 TPU 我们将不断兼容更多的机器学习 ASIC。

Distribution（分布式）：分布式机器学习是 TensorFlow 的基本功能，TuneLayer 在 TensorFlow 的基础上结合 Spark ，让分布式计算更好地服务于机器学习。

Compatibility（兼容性）：网络被抽象为规则函数、损失函数和每层输出。容易与其它 TensorFlow 库结合。

Simplicity（简化）：容易使用，容易拓展与修改，加快研究成果的产品化进度。

High-Speed（高速）：在使用GPU时，运行速度和纯TensorFlow代码一样，不会因为简化代码而牺牲性能。