獲取更多資訊，趕快關注上面的公衆號吧！
文章目錄
第一章 Tensorlayer 介紹
TensorLayer 是從 Google TensorFlow 擴展而來的深度學習（DL）和強化學習（RL）庫。它提供了流行的 DL 和 RL 模塊，可以輕鬆地對其進行自定義和組裝，以解決現實世界中的機器學習問題。可以在這裏（https://github.com/tensorlayer/tensorlayer）找到更多詳細信息。
本人在使用 DL4J 解決強化學習問題時，發現其自帶的有些案例都不能學到很好的效果，所以想通過別的平臺來對比一下，所以就選擇了 Tensorlayer，這裏也主要研究其強化學習算法方面的知識和案例。
第二章 Tensorlayer 安裝
我電腦中的 python 環境直接使用 Anaconda 的，Anaconda 版本爲 Python 3.7 版本（3.7.4）。
Tensorlayer 的安裝本身不難，但是一定要注意版本兼容問題，尤其是在安裝支持 PGU 版本的 Tensorlayer 時需要更加小心。如圖 1 所示，只有高於 2.1.0 版本的 Tensorflow 才支持 CUDA10.1，所以在選擇 CUDA 時一定要注意安裝的 Tensorflow 版本，我安裝的是 2.0.0-beta1 版本（圖 2），所以 CUDA 最高安裝 10.0 版本。
2.1 安裝 TensorFlow
使用清華鏡像加快安裝速度（-i https://pypi.tuna.tsinghua.edu.cn/simple）
pip install tensorflow-gpu==2.0.0-beta1 -i https://pypi.tuna.tsinghua.edu.cn/simple
2.2 安裝 TensorLayer
pip install tensorlayer -i https://pypi.tuna.tsinghua.edu.cn/simple
2.3 GPU 支持
藉助 NVIDIA 的支持，可以在 GPU 上訓練完全連接的網絡，這可能比在 CPU 上訓練網絡的速度快 10 到 20 倍。對於卷積網絡，可能要快 50 倍。這需要具有 CUDA 和 cuDNN 支持的 NVIDIA GPU。
2.3.1 安裝 Microsoft Visual
在安裝 CUDA 之前，您應該預安裝 Microsoft Visual Studio（VS）。最低版本要求是 VS2010。我們建議安裝 VS2015 或 VS2013。CUDA7.5 支持 VS2010，VS2012 和 VS2013。CUDA8.0 還支持 VS2015。
2.3.2 安裝
可從 NVIDIA 網站下載並安裝 10.0 版本的 CUDA（https://developer.nvidia.com/cuda-toolkit-archive），安裝時不建議修改默認安裝目錄。
2.3.3 安裝 cuDNN
NVIDIA CUDA® 深度神經網絡庫（cuDNN）是用於深度神經網絡的 GPU 加速庫。可從 NVIDIA 網站下載並提取對應 CUDA 版本的 cuDNN（https://developer.nvidia.com/rdp/cudnn-download）。
提取 cuDNN 後，將獲得三個文件夾（bin，lib，include）。然後，應將這些文件夾複製到 CUDA 安裝中。（默認安裝目錄爲 C：\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0）
2.3.4 驗證
如果 CUDA 安裝，在 cmd 中可以通過 nvcc -V 查看 CUDA 版本。
