টেনসরফ্লো অ্যাডঅনগুলির ভবিষ্যত

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 Addons (TFA) হল TensorFlow-এর জন্য কমিউনিটি রক্ষণাবেক্ষণ করা এবং অবদান রাখা এক্সটেনশনগুলির একটি ভান্ডার, যা প্রথম 2018 সালে তৈরি করা হয়েছিল এবং SIG-Addons সম্প্রদায় দ্বারা রক্ষণাবেক্ষণ করা হয়েছিল। 4 বছর ধরে, 200 জন অবদানকারী TFA সংগ্রহস্থলকে একটি সম্প্রদায়ের মালিকানাধীন এবং পরিচালিত সাফল্যে তৈরি করেছে যা আমাদের নির্ভরতা গ্রাফ অনুসারে 8,000 টিরও বেশি গিথুব সংগ্রহস্থল দ্বারা ব্যবহার করা হচ্ছে। আমরা তাদের প্রচেষ্টার জন্য অবদানকারী বা সম্প্রদায়ের সদস্য হিসাবে জড়িত প্রত্যেককে আন্তরিকভাবে ধন্যবাদ জানাতে একটু সময় নিতে চাই।

সম্প্রতি, টিএফএ এবং কেরাস-সিভি এবং কেরাস-এনএলপি লাইব্রেরির মধ্যে অবদান এবং সুযোগের ক্ষেত্রে ওভারল্যাপ বেড়েছে। ভবিষ্যতের ওভারল্যাপ রোধ করতে, আমরা বিশ্বাস করি যে টেনসরফ্লো-তে নতুন এবং বিদ্যমান অ্যাড-অনগুলি কেরাস প্রকল্পের সংগ্রহস্থলগুলিতে সর্বোত্তমভাবে বজায় রাখা হবে, যেখানে সম্ভব।

TensorFlow Addons উইন্ড ডাউন করার সিদ্ধান্ত

আমরা বিশ্বাস করি যে TensorFlow সম্প্রদায়ের সর্বোত্তম স্বার্থে যেখানে TensorFlow এক্সটেনশনগুলি ব্যবহার করা, রক্ষণাবেক্ষণ করা এবং অবদান রাখা যায় তা একত্রিত করা। এই কারণে, এটি তিক্ত যে আমরা TensorFlow Addons একটি ন্যূনতম রক্ষণাবেক্ষণ এবং রিলিজ মোডে সরানোর আমাদের পরিকল্পনা ঘোষণা করছি।

TFA SIG Addons এই প্রকল্পের উন্নয়ন এবং নতুন বৈশিষ্ট্যগুলির প্রবর্তন শেষ করবে। আমাদের টেনসরফ্লো সম্প্রদায়ের ( কেরাস , কেরাস-সিভি , এবং কেরাস-এনএলপি ) ওভারল্যাপিং রিপোজিটরিগুলির উপর নির্ভরতা সামঞ্জস্য করার জন্য আপনাকে উপযুক্ত সময় দেওয়ার জন্য TFA এক বছরের জন্য (মে 2024 পর্যন্ত) একটি ন্যূনতম রক্ষণাবেক্ষণ এবং রিলিজ মোডে স্থানান্তরিত হবে। ) এগিয়ে গিয়ে, দয়া করে কেরাস-সিভি এবং কেরাস-এনএলপি প্রকল্পগুলিতে অবদান রাখার কথা বিবেচনা করুন৷

পটভূমি:

TFA-এর জন্য মূল RFC প্রস্তাবটি 2018-12-14 তারিখে করা হয়েছিল অবদানের জন্য একটি সম্প্রদায় পরিচালিত ভাণ্ডার তৈরি করার লক্ষ্যে যা সু-প্রতিষ্ঠিত API প্যাটার্নগুলির সাথে সামঞ্জস্যপূর্ণ, কিন্তু আমাদের বিশেষ আগ্রহের গ্রুপে সংজ্ঞায়িত মূল TensorFlow-এ উপলব্ধ নয় এমন নতুন কার্যকারিতা বাস্তবায়ন করা হয়েছে। (SIG) সনদ

বছর যত এগিয়েছে, সুস্থ অবদানকারী সম্প্রদায়ের (কেরাস-সিভি, কেরাস-এনএলপি, ইত্যাদি) সঙ্গে নতুন সংগ্রহস্থল তৈরি করা হয়েছে আমাদের মতো একই লক্ষ্য নিয়ে এবং অবদান গ্রহণের মানদণ্ডগুলি উল্লেখযোগ্যভাবে ওভারল্যাপ হয়েছে (যেমন প্রয়োজনীয় উদ্ধৃতির সংখ্যা)। উপরন্তু, 2020 সালে কেরাস মূল টেনসরফ্লো থেকে বিভক্ত হওয়ার পর থেকে, সম্প্রদায়ের অবদানের জন্য বাধা যথেষ্ট পরিমাণে হ্রাস পেয়েছে।

বোধগম্যভাবে, যেখানে অবদান রাখা উচিত এবং কোথায় সেগুলি সর্বোত্তমভাবে রক্ষণাবেক্ষণ করা হবে সে সম্পর্কে ক্রমবর্ধমান অস্পষ্টতা রয়েছে। TFA-তে উপলব্ধ অনেক বৈশিষ্ট্য একই সাথে অন্যান্য TensorFlow কমিউনিটি রিপোজিটরিতে পাওয়া যায়। মাত্র কয়েকটি উদাহরণ হিসাবে:

মূল RFC-এর অংশ হিসেবে, আমাদের বিশেষ আগ্রহ গ্রুপ tf.contrib এবং keras.contrib সংগ্রহস্থল থেকে কোড স্থানান্তর করতে সম্মত হয়েছে। এটি করার মাধ্যমে, TFA উত্তরাধিকারসূত্রে C++ কাস্টম-অপস পেয়েছে, যা C++ কাস্টম অপ্স নির্মাণ ও বিতরণে অবদান রাখার জন্য TFA-কে TensorFlow সম্প্রদায়ে একটি অনন্য স্থান তৈরি করেছে। যাইহোক, আমরা সম্প্রতি সেই পরিকাঠামোর বেশিরভাগ অংশ কেরাস-সিভিতে স্থানান্তরিত করেছি যাতে তারা উপযুক্ত মনে করে কাস্টম অপ্স কম্পাইল এবং বিতরণ করতে পারে।

এরপর কি:

  • রক্ষণাবেক্ষণ রিলিজ 1 বছরের জন্য চলতে থাকবে (মে 2024 পর্যন্ত)।
  • 0.20 TFA রিলিজে আমদানি-সতর্কতা।
  • এই তথ্যটি GitHub ট্র্যাকিং ইস্যুতেও প্রকাশিত হয়েছে
  • সমতুল্য কার্যকারিতার একটি তালিকা এখানে উপলব্ধ