第7章 TensorFlow的高级框架
得益于TensorFlow社区的繁荣,诞生出许多高质量的元框架(metaframework),如Keras、TFLearn、TensorLayer等。使用元框架能够大大减少编写TensorFlow代码的工作量,方便开发者快速搭建网络模型,并且使代码简单、可读性强。
本章我们主要讲解官方默认支持的Keras和老牌的TFLearn提供的高级API。
7.1 TFLearn
TFLearn是一个建立在TensorFlow顶部的模块化的深度学习框架,它为TensorFlow提供更高级的API,以便于快速实验,同时保持完全透明和兼容。
在6.2节中我们已经用原生的TensorFlow代码完成了AlexNet。读者可能已经感受到其代码的冗长,下面我们就用TFLearn框架,看看如何将代码写得简洁。[1]
7.1.1 加载数据
这里用的是牛津大学的鲜花数据集[2](Flower Dataset)。这个数据集提供了17个类别的鲜花数据,每个类别80张图片,并且图片有大量的姿态和光的变化。
注意,在代码的开始需要导入用到的与卷积、池化、规范化相关的类,方法如下&#