<a href="https://tensorlayerx.readthedocs.io/">
<div align="center">
<img src="https://git.openi.org.cn/hanjr/tensorlayerx-image/raw/branch/master/tlx-LOGO--02.jpg" width="50%" height="30%"/>
</div>
</a>
<!--- [](https://pypi.org/project/tensorlayerx/) --->
<!--- ) --->
GitHub last commit (branch)
Documentation Status
Build Status
Downloads
Downloads
Docker Pulls
TensorLayerX는 다중 백엔드 AI 프레임워크로, TensorFlow, Pytorch, MindSpore, PaddlePaddle, OneFlow 및 Jittor를 백엔드로 지원하여 사용자가 Nvidia-GPU, Huawei-Ascend, Cambricon 등 다양한 하드웨어에서 코드를 실행할 수 있게 합니다.
이 프로젝트는 Peking University, Peng Cheng Lab, HKUST, Imperial College London, Princeton, Oxford, Stanford, Tsinghua, Edinburgh 출신 연구원들이 유지 관리하고 있습니다.
<!-- # Document
TensorLayerX는 초보자와 전문가 모두를 위한 광범위한 문서를 제공합니다.
[](https://tensorlayerx.readthedocs.io/en/latest/) -->
딥러닝 강좌
TensorLayerX 기반의 예제 코드가 포함된 딥러닝 비디오 강좌가 있습니다.
Bilibili 링크 (중국어)
주요 기능
<!-- <p align="center"><img src="https://git.openi.org.cn/hanjr/tensorlayerx-image/raw/branch/master/version.png" width="840"></p> -->
-
호환성 (Compatibility): 전 세계 프레임워크 및 AI 칩을 지원하여, 하나의 코드가 모든 플랫폼에서 실행되도록 합니다.
-
모델 저장소 (Model Zoo): CV, NLP, RL 등 다양한 분야를 포괄하는 클래식 모델과 SOTA(State-of-the-Art) 모델이 포함된 일련의 애플리케이션을 제공합니다.
-
배포 (Deployment): ONNX 프로토콜 지원, 모델 내보내기(export), 가져오기(import) 및 배포를 지원합니다.
다중 백엔드 설계 (Multi-backend Design)
TensorLayerX를 사용하여 Pytorch 스타일로 모델을 정의하고 어떤 백엔드로든 쉽게 전환할 수 있습니다.
import os
os.environ['TL_BACKEND'] = 'tensorflow'
...
빠른 시작 (Quick Start)
다음 예제를 사용하여 TensorLayerX를 빠르게 시작할 수 있습니다:
-
MNIST 숫자 인식: MNIST 데이터셋을 사용하여 간단한 다층 퍼셉트론(MLP) 모델로 숫자 인식을 학습합니다. 간단한 훈련 방식과 사용자 지정 루프 중 선택할 수 있습니다. 예제는 mnist_mlp_simple_train.py와 mnist_mlp_custom_train.py를 확인하세요.
-
CIFAR-10 데이터 흐름 (Dataflow): CIFAR-10 데이터셋을 사용하여 데이터셋 생성, 이미지 처리 및 DataLoader를 통한 데이터 로드 방법을 배웁니다. 예제는 cifar10_cnn.py를 확인하세요.
-
MNIST GAN 훈련: MNIST 데이터셋에서 생성적 적대 신경망(GAN, Generative Adversarial Network)을 훈련합니다. 예제는 mnist_gan.py를 확인하세요.
-
MNIST 혼합 프로그래밍 (Mix Programming): TensorLayerX 코드를 TensorFlow, PyTorch, Paddle, MindSpore와 같은 다른 딥러닝 라이브러리와 혼합하여 MNIST 데이터셋에서 실행합니다. 예제는 mnist_mlp_mix_programming.py를 확인하세요.
자료 (Resources)
더 많은 공식 자료는 여기에서 확인할 수 있습니다.
설치 (Installation)
- 다음 백엔드 버전을 지원하는 최신 TensorLayerX 버전
| TensorLayerX | TensorFlow | MindSpore | PaddlePaddle | PyTorch | OneFlow | Jittor |
|---|
| v0.5.8 | v2.4.0 | v1.8.1 | v2.2.0 | v1.10.0 | latest | v1.3.8.5 |
| v0.5.7 | v2.0.0 | v1.6.1 | v2.0.2 | v1.10.0 | latest | -- |
pip3 install tensorlayerx
- 최신 버전을 소스에서 빌드하여 설치 (고급 사용자용)
pip3 install git+https://github.com/tensorlayer/tensorlayerx.git
더 자세한 설치 지침은 설치(Installtion)를 참조하십시오.
Docker는 오픈 소스 애플리케이션 컨테이너 엔진입니다. TensorLayerX Docker Repository에서 TensorLayerX의 다양한 버전이 도커 이미지에 설치되어 있습니다.
docker pull tensorlayer/tensorlayerx:tagname
기여 (Contributing)
TensorLayerX는 지속적으로 발전하고 있으며, 커뮤니티의 기여를 환영합니다! 코드를 기여하거나 라이브러리 개선에 도움을 주고 싶다면, 도움이 필요한 목록을 확인하고 기여 방법 안내서를 따라주세요.
참여하기 (Getting Involved)
버그는 Github 이슈를 사용하여 보고하는 것을 권장합니다. 사용자들은 또한 다음 slack 채널에서 TensorLayerX 사용 방법에 대해 논의할 수 있습니다.
<br/>
<a href="https://join.slack.com/t/tensorlayer/shared_invite/enQtODk1NTQ5NTY1OTM5LTQyMGZhN2UzZDBhM2I3YjYzZDBkNGExYzcyZDNmOGQzNmYzNjc3ZjE3MzhiMjlkMmNiMmM3Nzc4ZDY2YmNkMTY" target="_blank">
<div align="center">
<img src="https://raw.githubusercontent.com/tensorlayer/TensorLayer/bdc2c14ff9ed9bd3ec7004d625e15683df7b530d/img/join_slack.png" width="40%"/>
</div>
</a>
인용 (Citation)
TensorLayerX가 프로젝트에 유용하다고 생각되면, 다음 논문을 인용해 주십시오:
@inproceedings{tensorlayer2021,
title={TensorLayer 3.0: A Deep Learning Library Compatible With Multiple Backends},
author={Lai, Cheng and Han, Jiarong and Dong, Hao},
...
