TensorLayer

科学家和工程师的深度学习与强化学习工具箱

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 1581 🐛 待处理 38 👀 关注 448

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 7386

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源深度学习库，完全免费，无付费版本。

项目预览

TensorLayer 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类对话助手

开发团队tensorlayer

官网地址http://tensorlayerx.com

GitHubhttps://github.com/tensorlayer/TensorLayer

定价模式🏷️完全免费

价格说明开源深度学习库，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型a3c,artificial-intelligence,chatbot,deep-learning,dqn,gan,google,imagenet,neural-network,object-detection,python,reinforcement-learning,tensorflow,tensorflow-tutorial,tensorflow-tutorials,tensorlayer

GitHub 星标★ 7386

上线时间2016-06-07 00:00:00

代码更新2023-02-18

仓库体积102.3 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

TensorLayer 是一个面向科学家和工程师的深度学习与强化学习库，基于 Python 构建。它旨在解决深度学习研究和工程应用中模型搭建复杂、调试困难、部署不便的问题，提供简洁灵活的 API 来快速构建神经网络。核心能力包括支持多种深度学习模型（如 GAN、DQN、A3C 等）、丰富的预训练模型（如 ImageNet）、以及对象检测和聊天机器人等应用模块。它强调易用性和可扩展性，允许用户像搭积木一样组合层，同时保持底层操作的透明性，便于研究和调试。此外，TensorLayer 还支持与 TensorFlow 深度集成，并提供了强化学习算法的实现，适合用于学术研究和工业原型开发。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 7386

技术标签

artificial-intelligence chatbot deep-learning gan google

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：Docker 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（TensorLayer 是一个基于 Python 的库）
TensorFlow（README 明确指出 TensorLayer 是 TensorFlow-based 库）
Docker（README 提供了基于官方 TensorFlow 容器的 Docker 镜像）
网络可访问 Docker Hub 与 GitHub

安装与启动步骤

1确认项目状态

README 顶部提示项目已指向 TensorLayerX，新项目建议优先使用 TensorLayerX；老版本仍可按本文方式获取。
2克隆仓库

从 GitHub 克隆 TensorLayer 仓库，获取源码与示例（examples 目录内含强化学习等教程）。
```
git clone https://github.com/tensorlayer/TensorLayer.git
```
3拉取官方镜像

README 提供 tensorlayer/tensorlayer 容器，它基于官方 TensorFlow 容器构建；具体可用标签请在 Docker Hub 页面确认。
```
docker pull tensorlayer/tensorlayer
```
4启动容器

以交互方式进入容器，在容器内使用 TensorLayer 及其依赖，避免本地环境冲突。
```
docker run -it tensorlayer/tensorlayer bash
```
5查看示例与文档

进入容器或本地仓库后，浏览 examples 目录与官方文档站点了解各模块用法。
```
cd TensorLayer/examples
```