TensorLayer：TensorFlow 上的一站式深度学习与强化学习库

TensorLayer 在 GitHub 上已经拿到 7,387 Star。

这是基于 TensorFlow 的深度学习与强化学习库，主要面向研究人员和工程落地场景。2017 年获得 ACM 多媒体分会的最佳开源软件奖。

1、它解决什么问题

用 TensorFlow 做研究的人经常遇到一个矛盾：Keras 简单但不够灵活，想改底层逻辑时到处碰壁；直接用 TensorFlow 写又太繁琐，很多样板代码要重复写。

TensorLayer 在中间找到了位置。它提供的 API 足够高层，几分钟就能搭出一个模型；同时又足够透明，每层干了什么都能看清楚。

设计目标就三件事：简单、灵活、零成本抽象。

2、简单和灵活不冲突

所谓简单，是指上手成本低。官方准备了大量示例代码，覆盖图像、文本、强化学习等多个领域，跟着跑一遍就能理解基本用法。

所谓灵活，是指 API 的设计风格。它受 PyTorch 启发，每层之间是透明的。想改某个层的实现细节，直接改就行，不用绕过框架的黑盒封装。

所谓零成本抽象，是指性能不打折。官方的 VGG16 Benchmark 显示，在 TITAN Xp 上，TensorLayer 和原生 TensorFlow 在 GPU 内存占用、CPU 内存占用、运行时间三个指标上几乎没有差别。

3、文档和社区

项目提供了中英文双语完整文档，同时还出版了一本中文技术书。在强化学习方向，官方准备了三个层次的材料：底层 API 给专业用户做定制开发，高层 API 给快速验证想法，外加一本 Springer 教科书做系统学习。

用户覆盖范围很广。学术界有北大、帝国理工、伯克利、卡耐基梅隆、斯坦福，工业界有 Google、Microsoft、阿里、腾讯、小米、Bloomberg。

4、现在看 TensorLayerX

项目团队已经把重心转到 TensorLayerX。这是统一的多后端框架，后端支持 TensorFlow、PyTorch、MindSpore、PaddlePaddle、OneFlow、Jittor 六种框架。硬件方面同时支持 Nvidia GPU 和华为昇腾。

如果已经在用 TensorLayer，可以直接迁移到 TensorLayerX，硬件兼容性更好。如果还没用过，建议跳过 TensorLayer，直接上手 TensorLayerX。

过，建议跳过 TensorLayer，直接上手 TensorLayerX。