TensorFlow के लिए अतिरिक्त कार्यक्षमता, SIG-addons द्वारा बनाए रखा गया है।

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 ऑपरेटर्स, लेयर्स, मेट्रिक्स, लॉस, ऑप्टिमाइज़र और अधिक का समर्थन करता है। हालांकि, एमएल की तरह तेजी से आगे बढ़ने वाले क्षेत्र में, कई दिलचस्प नए विकास हैं जिन्हें कोर टेंसॉरफ्लो में एकीकृत नहीं किया जा सकता है (क्योंकि उनकी व्यापक प्रयोज्यता अभी तक स्पष्ट नहीं है, या इसका उपयोग ज्यादातर समुदाय के एक छोटे उपसमुच्चय द्वारा किया जाता है)।