7 दिसंबर को महिला एमएल संगोष्ठी में भाग लें अभी पंजीकरण करें
संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

TensorFlow के लिए अतिरिक्त कार्यक्षमता, SIG-addons द्वारा अनुरक्षित।

import tensorflow as tf
import tensorflow_addons as tfa
train,test = tf.keras.datasets.mnist.load_data()
x_train, y_train = train
x_train = x_train[..., tf.newaxis] / 255.0

# TFA layers and activations
model = tf.keras.Sequential([
  tf.keras.layers.Conv2D(filters=10, kernel_size=(3,3),
                         activation=tfa.activations.gelu),
  tfa.layers.GroupNormalization(groups=5, axis=3),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(10, activation='softmax')
])

# TFA optimizers, losses and metrics
model.compile(
    optimizer=tfa.optimizers.RectifiedAdam(0.001),
    loss=tfa.losses.TripletSemiHardLoss(),
    metrics=[tfa.metrics.MultiLabelConfusionMatrix(num_classes=10)])

history = model.fit(x_train, y_train, epochs=10)

TensorFlow SIG Addons सामुदायिक योगदान का एक भंडार है जो अच्छी तरह से स्थापित एपीआई पैटर्न के अनुरूप है, लेकिन कोर TensorFlow में उपलब्ध नई कार्यक्षमता को लागू नहीं करता है।

TensorFlow मूल रूप से बड़ी संख्या में ऑपरेटरों, परतों, मीट्रिक, हानियों, अनुकूलक, और बहुत कुछ का समर्थन करता है। हालाँकि, ML जैसे तेजी से बढ़ते क्षेत्र में, कई दिलचस्प नए विकास हैं जिन्हें कोर TensorFlow में एकीकृत नहीं किया जा सकता है (क्योंकि उनकी व्यापक प्रयोज्यता अभी तक स्पष्ट नहीं है, या यह ज्यादातर समुदाय के एक छोटे उपसमूह द्वारा उपयोग किया जाता है)।