• 设计特点
• 快速使用
• 文档
• 使用例子
• 联系方式
• 引用方式

TensorLayerX 是一个跨平台开发框架，可以运行在各类操作系统和AI硬件上，并支持混合框架的开发。目前支持TensorFlow、MindSpore、PaddlePaddle框架常用神经网络层以及算子，PyTorch支持特性正在开发中，支持列表。

设计特点

TensorLayerX相比于之前开发的 TensorLayer有着更加强大的功能，它兼容多种计算框架后端。

TensorLayer各个版本对比

TensorLayerX继承了之前版本的特性，包括简单性，灵活性和低级抽象。 TensorLayerX支持多后端，如TensorFlow, MindSpore, PaddlePaddle和PyTorch。
它允许用户在不同的硬件上运行相同的代码，比如Nvidia-GPU和HuaWei-Ascend。TensorLayerX的更多功能正在开发中。

• 模型库: 构建包含经典模型和sota模型的系列模型库，涵盖CV、NLP、RL等领域。

• 模型部署: TensorLayerX将支持ONNX协议，支持模型导出、导入和部署。

• 并行训练: 为了支持并行训练，数据并行已列入开发计划中。

快速使用

• 安装

# install from pypi
pip3 install tensorlayerx 
# install from Github
pip3 install git+https://git.openi.org.cn/OpenI/TensorLayerX.git 

更多的安装详情可以参考 Installtion

• 定义模型

你可以立即使用tensorlayerx来定义一个模型，在后台使用你最喜欢的框架，例如:

import os
os.environ['TL_BACKEND'] = 'tensorflow' # modify this line, switch to any framework easily!
#os.environ['TL_BACKEND'] = 'mindspore'
#os.environ['TL_BACKEND'] = 'paddle'
#os.environ['TL_BACKEND'] = 'torch'
import tensorlayerx as tlx
from tensorlayerx.nn import Module
from tensorlayerx.nn import Linear
class CustomModel(Module):

  def __init__(self):
      super(CustomModel, self).__init__()

      self.linear1 = Linear(out_features=800, act=tlx.ReLU, in_features=784)
      self.linear2 = Linear(out_features=800, act=tlx.ReLU, in_features=800)
      self.linear3 = Linear(out_features=10, act=None, in_features=800)

  def forward(self, x, foo=False):
      z = self.linear1(x)
      z = self.linear2(z)
      out = self.linear3(z)
      if foo:
          out = tlx.softmax(out)
      return out

MLP = CustomModel()
MLP.set_eval()

文档

TensorLayerX为初学者和专业人士提供了大量的文档。

使用例子

• 基础例子 for tutorials✅
• OpenIVA an easy-to-use product-level deployment framework✅
• TLXZoo pretrained models/backbones🚧
• TLXCV a bunch of Computer Vision applications🚧
• TLXNLP a bunch of Natural Language Processing applications🚧
• TLXRL a bunch of Reinforcement Learning applications, check RLZoo for the old version✅

联系方式

• hao.dong@pku.edu.cn
• tensorlayer@gmail.com

引用方式

如果你觉得TensorLayerX对你的项目有用，请引用以下文章：

@article{tensorlayer2017,
    author  = {Dong, Hao and Supratak, Akara and Mai, Luo and Liu, Fangde and Oehmichen, Axel and Yu, Simiao and Guo, Yike},
    journal = {ACM Multimedia},
    title   = {{TensorLayer: A Versatile Library for Efficient Deep Learning Development}},
    url     = {http://tensorlayer.org},
    year    = {2017}
}

@inproceedings{tensorlayer2021,
  title={TensorLayer 3.0: A Deep Learning Library Compatible With Multiple Backends},
  author={Lai, Cheng and Han, Jiarong and Dong, Hao},
  booktitle={2021 IEEE International Conference on Multimedia \& Expo Workshops (ICMEW)},
  pages={1--3},
  year={2021},
  organization={IEEE}
}