답변:
TFlearn 은 Tensorflow 위에 구축 된 모듈 식의 투명한 딥 러닝 라이브러리입니다. 완전히 투명하고 호환성을 유지하면서 실험을 촉진하고 속도를 높이기 위해 TensorFlow에 더 높은 수준의 API를 제공하도록 설계되었습니다 . 그러나 TensorFlow를 사용해도 사용할 "프론트 엔드"프레임 워크를 선택할 수 있습니다. 우리가 직접 TensorFlow, TF Learn 또는 Keras 또는 Google이 TensorFlow에서 출시 한 새로운 TF-Slim 라이브러리를 사용해야합니까?
Keras 는 Python으로 작성되었으며 TensorFlow, CNTK 또는 Theano에서 실행할 수있는 고급 신경망 API입니다. 빠른 실험을 가능하게하는 데 중점을두고 개발되었습니다. 최소한의 지연으로 아이디어에서 결과로 나아가는 것이 좋은 연구를 수행하는 열쇠입니다.
스트레이트 TensorFlow는 실제로 장황 Keras하고 TfLearn둘 다 견고하지만 TfLearn구문은 좀 더 깔끔해 보입니다. Tflearn의 한 가지 단점은 쉽게 통합 된 사전 훈련 된 모델이 없다는 것입니다.
실제로 여기 와 여기 에 귀하의 질문에 대한 많은 답변 이 있으며 여기에 그중 일부를 인용합니다.
TensorFlow는 현재 딥 러닝 프레임 워크의 주류이며 TF의 래퍼입니다. 반면 Keras는 Theano 시대에 출시되었으므로 Theano 사용자의 지원을 잘 받았습니다. TensorLayer와 TFLearn은 모두 TensorFlow 이후에 릴리스됩니다. Keras를 선택해야하는 좋은 이유는 실제로 학습하지 않고도 TensorFlow 백엔드를 사용할 수 있기 때문입니다. 또한 Keras는 모델을 깊게 마무리하는 경향이 있으므로 백엔드를 Theano 또는 TF로 간주 할 필요가 없으므로 Keras의 큰 이점입니다.
그것은 당신이하고 싶은 일, 빠른 프로토 타이핑 또는 다른 것에 달려 있습니까?
Keras : 많은 사람들이 그것을 사용하고 있으며 github에서 예제를 쉽게 찾을 수 있습니다. 초보자에게 적합합니다. TensorFlow 또는 Theano에서 실행할 수 있습니다. Tflearn : 아무도 토론하지 않는 이유는 무엇입니까? 또한 TensorFlow를 통해 투명한 유명한 라이브러리입니다. 높은 주행 속도. TensorLayer : TensorFlow를 통해 투명하게 출시 (2016 년 9 월). 높은 주행 속도. 확장이 쉽고 전문가에게 적합한 자습서에는 모든 모듈 식 Google TensorFlow 딥 러닝 자습서 구현이 포함됩니다. TF-Silm : Tflearn과 유사하게 출시되었지만 (2016 년 8 월) 현재 RNN 계층이 없습니다 (2016 년 9 월).
최고의 딥 러닝 프레임 워크는 가장 잘 알고있는 프레임 워크입니다.