TensorFlow学习3：TensorLayer的安装

TensorLayer官中文档

TensorLayer 是为研究人员和工程师设计的一款基于Google TensorFlow开发的深度学习与强化学习库。 它提供高级别的（Higher-Level）深度学习API，这样不仅可以加快研究人员的实验速度，也能够减少工程师在实际开发当中的重复工作。 TensorLayer非常易于修改和扩展，这使它可以同时用于机器学习的研究与应用

由于用TensorFlow的迁移学习太过繁琐，在网上看到有人使用TensorLayer，于是想拿来试一试

TensorLayer的安装

对于Windows用户，很简单，在电脑上已经安装TensorFlow的情况下，只需要：

pip install tensorlayer

如果下载速度过慢，可以使用清华大学的镜像：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorlayer

本人在tensorflow 1.10.0版本下安装tensorlayer，但在使用时提示最新版2.0.0的TL需要2.0.0以上版本的TF

即TL的版本不能高于TF

所以接下来：

pip uninstall tensorlayer
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorlayer==1.9.1

选择安装上面官中文档里的1.9.1版本tensorlayer，可成功使用

TensorLayer的初步使用

目前来看，TensorLayer由于版本过多，导致官方文档和源码都很难对应起来，非常混乱。

但TL可以与TF联合使用的机制以及代码的简洁性还是很吸引人，实际上TL和Keras还是比较相似，所以安装半天，又回到原点。

Keras大法好！

如下是TensorLayer源码注释里给的实例程序：使用VGG-16作迁移学习

直接粘贴过来，将就看吧。。。

"""Pre-trained VGG-16 model.

    Parameters
    ------------
    x : placeholder
        shape [None, 224, 224, 3], value range [0, 255].
    end_with : str
        The end point of the model. Default ``fc3_relu`` i.e. the whole model.
    reuse : boolean
        Whether to reuse the model.

    Examples
    ---------
    Classify ImageNet classes with VGG16, see `tutorial_models_vgg16.py <https://github.com/tensorlayer/tensorlayer/blob/master/example/tutorial_models_vgg16.py>`__

    >>> x = tf.placeholder(tf.float32, [None, 224, 224, 3])
    >>> # get the whole model
    >>> vgg = tl.models.VGG16(x)
    >>> # restore pre-trained VGG parameters
    >>> sess = tf.InteractiveSession()
    >>> vgg.restore_params(sess)
    >>> # use for inferencing
    >>> probs = tf.nn.softmax(vgg.outputs)

    Extract features with VGG16 and Train a classifier with 100 classes

    >>> x = tf.placeholder(tf.float32, [None, 224, 224, 3])
    >>> # get VGG without the last layer
    >>> vgg = tl.models.VGG16(x, end_with='fc2_relu')
    >>> # add one more layer
    >>> net = tl.layers.DenseLayer(vgg, 100, name='out')
    >>> # initialize all parameters
    >>> sess = tf.InteractiveSession()
    >>> tl.layers.initialize_global_variables(sess)
    >>> # restore pre-trained VGG parameters
    >>> vgg.restore_params(sess)
    >>> # train your own classifier (only update the last layer)
    >>> train_params = tl.layers.get_variables_with_name('out')

    Reuse model

    >>> x1 = tf.placeholder(tf.float32, [None, 224, 224, 3])
    >>> x2 = tf.placeholder(tf.float32, [None, 224, 224, 3])
    >>> # get VGG without the last layer
    >>> vgg1 = tl.models.VGG16(x1, end_with='fc2_relu')
    >>> # reuse the parameters of vgg1 with different input
    >>> vgg2 = tl.models.VGG16(x2, end_with='fc2_relu', reuse=True)
    >>> # restore pre-trained VGG parameters (as they share parameters, we don’t need to restore vgg2)
    >>> sess = tf.InteractiveSession()
    >>> vgg1.restore_params(sess)

    """