פונקציונליות נוספת עבור TensorFlow, מתוחזקת על ידי תוספות SIG.

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 הוא מאגר של תרומות קהילתיות התואמות לדפוסי API מבוססים, אך מיישמים פונקציונליות חדשה שאינה זמינה בליבה של TensorFlow.

TensorFlow תומך באופן טבעי במספר רב של אופרטורים, שכבות, מדדים, הפסדים, מייעלים ועוד. עם זאת, בתחום שזז במהירות כמו ML, יש הרבה פיתוחים חדשים ומעניינים שלא ניתן לשלב אותם בליבת TensorFlow (מכיוון שהישימות הרחבה שלהם עדיין לא ברורה, או שהיא משמשת בעיקר תת-קבוצה קטנה יותר של הקהילה).