TFlearn - это модульная и прозрачная библиотека глубокого обучения, построенная на основе Tensorflow. Он был разработан для предоставления высокоуровневого API для TensorFlow, чтобы облегчить и ускорить эксперименты, оставаясь при этом полностью прозрачным и совместимым с ним . Однако даже с TensorFlow мы сталкиваемся с выбором, какой «интерфейсный» фреймворк использовать. Должны ли мы использовать прямую TensorFlow, или TF Learn, или Keras, или новую библиотеку TF-Slim, которую Google выпустил в TensorFlow.
Keras - это высокоуровневый API нейронных сетей, написанный на Python и способный работать поверх TensorFlow, CNTK или Theano. Он был разработан с целью обеспечения быстрого экспериментирования. Способность переходить от идеи к результату с наименьшей возможной задержкой является ключом к проведению хороших исследований.
Straight TensorFlowдействительно многословен, Kerasи TfLearnоба кажутся солидными, но TfLearnсинтаксис кажется немного чище. Одним из недостатков Tflearn является отсутствие легко интегрируемых предварительно обученных моделей.
На самом деле есть так много ответов на ваш вопрос здесь и здесь, и я приведу некоторые из них здесь.
TensorFlow в настоящее время является основным направлением для глубокого обучения, все они являются оболочкой TF. Принимая во внимание, что Keras был выпущен в возрасте Theano, и, следовательно, получил хорошую поддержку пользователей Theano. В то время как TensorLayer и TFLearn оба выпускаются после TensorFlow. Хорошей причиной для выбора Keras является то, что вы можете использовать бэкэнд TensorFlow, фактически не изучая его. Кроме того, Keras имеет тенденцию глубоко обернуть модель, поэтому вам не обязательно рассматривать бэкэнд как Theano или TF, что является большим преимуществом Keras.
Это зависит от того, что вы хотите сделать, быстрое создание прототипа или что-то еще?
Керас: Многие люди используют его, легко найти примеры на github. Подходит для начинающих. Способен работать поверх TensorFlow или Theano. Tflearn: Почему никто не обсуждает это? Это также знаменитая библиотека, прозрачная поверх TensorFlow. Высокая скорость бега. TensorLayer: просто релиз (сентябрь 2016 г.), прозрачный поверх TensorFlow. Высокая скорость бега. Легко расширяемый, подходящий для профессионалов, этот учебник включает в себя всю модульную реализацию учебника Google TensorFlow Deep Learning. TF-Silm: Просто релиз (август 2016 г.), аналогичный Tflearn, но на данный момент слоя RNN нет (сентябрь 2016 г.).
Лучшая система глубокого обучения - та, которую вы знаете лучше всего.