Google I / O kembali hadir pada 18-20 Mei! Pesan tempat dan buat jadwal Anda Daftar sekarang

Fungsionalitas tambahan untuk TensorFlow, dikelola oleh addon 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)

Addons TensorFlow SIG adalah repositori kontribusi komunitas yang sesuai dengan pola API yang sudah mapan, tetapi menerapkan fungsi baru yang tidak tersedia di TensorFlow inti.

TensorFlow secara native mendukung banyak operator, lapisan, metrik, kerugian, pengoptimal, dan banyak lagi. Namun, dalam bidang yang bergerak cepat seperti ML, ada banyak perkembangan baru yang menarik yang tidak dapat diintegrasikan ke dalam TensorFlow inti (karena penerapannya yang luas belum jelas, atau sebagian besar digunakan oleh sebagian kecil komunitas).