tensorpack是一个基于TensorFlow的神经网络训练接口，主要特色是训练速度。

tensorpack架构概览

特性

tensorpack只包含少量常用的模型，因此你可以自由搭配其他框架和库提供的模型，包括sonnet、Keras、slim、tflearn、tensorlayer等。

专注于训练速度。

tensorpack以高效的方式使用TensorFlow。对许多种CNN（卷积神经网络）而言，tensorpack的性能是Keras的1.5至1.7倍。

开箱即用的分布式训练（多CPU并行数据），性能和Google官方基准测试相当。

你可以运行自带的性能测试脚本看看tensorpack有多快。

专注于大数据集。通过TensorFlow读取、预处理数据比较麻烦，tensorpack帮助你用纯Python代码加载大数据集（例如，ImageNet），而且自动带上并行。同时，tensorpack配合使用TF队列或tf.data也很方便。

提供可扩展的回调接口。编写一个回调函数，实现训练迭代以外的其他功能，然后只需一行代码就可以启用这个回调。常见的回调函数的例子：

在训练过程中调整超参

打印一些感兴趣的tensor

监控GPU使用量

发送出错率到你的手机

安装

首先安装以下依赖：

Python 2 或 3

TensorFlow >= 1.0.0 （多GPU支持需要 >=1.1.0）

OpenCV的Python绑定（可选）

然后使用pip安装：

pip install -U git+https://github.com/ppwwyyxx/tensorpack.git

以上命令会安装tensorpack到系统目录，如果不想安装到系统目录，可以在pip后加--user参数安装到用户目录。

如果你只打算单独使用tensorpack.dataflow作为数据处理库，那么TensorFlow也是可选依赖。

文档和样例代码

tensorpack项目的教程很详细，自带丰富的样例代码，范围包括上手、视知觉、强化学习和自然语言处理。

使用tensorpack重现Saining的HED论文

机器人网原创文章，未经授权禁止转载。详情见转载须知

本文来自机器人网，如若转载，请注明出处：https://www.jqr.com/news/008473