• tlx_demo
• • • 1.支持多后端自定义神经网络层
    • 2.支持多后端自定义神经网络模型
    • 3.模型训练一键切换
    • 4.混合原框架训练

tlx_demo

TensorLayer项目是一款支持多计算后端（TensorFlow、MindSpore、PaddlePaddle、PyTorch）的统一深度学习编程框架。演示主要从以下几个方面进行展示：

• 支持多后端自定义神经网络层（新的神经网络层可自定义）
• 支持多后端自定义神经网络模型（新的深度学习模型可自定义）
• 模型训练一键切换（一行代码切换后端训练）
• 混合原框架训练（支持和原框架API混合编程）

1.支持多后端自定义神经网络层

• 运行代码 custom_layer.py

可以看到使用了TensorFlow后端进行计算，得到基于TF自定义神经网络层计算结果。

• 进入代码，修改计算后端再次运行代码 custom_layer.py

可以看到使用了MindSpore后端进行计算，并且在资源上查看到是用NPU，得到基于MS自定义神经网络层计算结果。

2.支持多后端自定义神经网络模型

• 运行代码 custom_model.py

可以看到使用了TensorFlow后端进行计算，得到自定义模型计算结果。

• 进入代码，修改计算后端再次运行

可以看到使用了MindSpore后端进行计算，并且在资源上查看到是用NPU，得到基于MS自定义神经网络层计算结果。

3.模型训练一键切换

• 运行代码 test_model_train.py

可以看到使用了TensorFlow后端在执行训练计算，并且loss正在减小，精度在上升

• 进入代码，修改计算后端再次运行

可以看到使用了MindSpore后端在执行训练计算，并且loss正在减小，精度在上升

4.混合原框架训练

• 运行代码 test_tf_mix_train.py

可以看到代码是使用了tf的数据处理和训练模块，
使用了tl的模型构建，此时使用TensorFlow后端执行训练计算
可看到并且loss正在减小，精度在上升