Funzionalità extra per TensorFlow, gestita da 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 è un repository di contributi della community conformi a modelli API consolidati, ma implementano nuove funzionalità non disponibili nel core TensorFlow.
TensorFlow supporta nativamente un gran numero di operatori, livelli, metriche, perdite, ottimizzatori e altro. Tuttavia, in un campo in rapida evoluzione come il machine learning, ci sono molti nuovi sviluppi interessanti che non possono essere integrati nel core di TensorFlow (perché la loro ampia applicabilità non è ancora chiara o è utilizzata principalmente da un sottoinsieme più piccolo della comunità).