TFLearn：一个具有更高级 API 的 TensorFlow 深度学习库。

TFlearn 是一个基于 TensorFlow 构建的模块化、透明的深度学习库。它旨在为 TensorFlow 提供更高级的 API，以便于和加速实验，同时保持完全透明和兼容。

TFLearn 的特性包括：

易于使用和理解的高级 API，用于实现深度神经网络，并提供教程和示例。
通过高度模块化的内置神经网络层、正则化器、优化器、指标等实现快速原型设计。
对 TensorFlow 完全透明。所有函数都构建在张量之上，并且可以独立于 TFLearn 使用。
强大的辅助函数，用于训练任何 TensorFlow 图，支持多个输入、输出和优化器。
简单美观的图形可视化，详细显示权重、梯度、激活值等信息。
轻松进行设备放置，以使用多个 CPU/GPU。

高级 API 目前支持大多数最新的深度学习模型，例如卷积神经网络、LSTM、BiRNN、BatchNorm、PReLU、残差网络、生成式对抗网络等。未来，TFLearn 还将与最新的深度学习技术保持同步。

注意：最新的 TFLearn (v0.3) 仅与 TensorFlow v1.0 及更高版本兼容。

快速概览

代码示例

# Classification
tflearn.init_graph(num_cores=8, gpu_memory_fraction=0.5)

net = tflearn.input_data(shape=[None, 784])
net = tflearn.fully_connected(net, 64)
net = tflearn.dropout(net, 0.5)
net = tflearn.fully_connected(net, 10, activation='softmax')
net = tflearn.regression(net, optimizer='adam', loss='categorical_crossentropy')

model = tflearn.DNN(net)
model.fit(X, Y)

# Sequence Generation
net = tflearn.input_data(shape=[None, 100, 5000])
net = tflearn.lstm(net, 64)
net = tflearn.dropout(net, 0.5)
net = tflearn.fully_connected(net, 5000, activation='softmax')
net = tflearn.regression(net, optimizer='adam', loss='categorical_crossentropy')

model = tflearn.SequenceGenerator(net, dictionary=idx, seq_maxlen=100)
model.fit(X, Y)
model.generate(50, temperature=1.0)

更多示例请参见此处。