Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

Fungsionalitas ekstra untuk TensorFlow, dikelola oleh SIG-addons.

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 adalah repositori dari kontribusi komunitas yang sesuai dengan pola API yang sudah mapan, tetapi mengimplementasikan fungsionalitas baru yang tidak tersedia di TensorFlow inti.

TensorFlow secara alami mendukung sejumlah besar 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 inti TensorFlow (karena penerapannya yang luas belum jelas, atau sebagian besar digunakan oleh subset yang lebih kecil dari komunitas).