Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

Funzionalità extra per TensorFlow, gestita da componenti aggiuntivi 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 è un repository di contributi della comunità conformi a modelli API consolidati, ma implementano nuove funzionalità non disponibili nel core TensorFlow.

TensorFlow supporta in modo nativo un gran numero di operatori, livelli, metriche, perdite, ottimizzatori e altro ancora. Tuttavia, in un campo in rapida evoluzione come il ML, ci sono molti nuovi sviluppi interessanti che non possono essere integrati nel core TensorFlow (perché la loro ampia applicabilità non è ancora chiara, o è usata principalmente da un sottoinsieme più piccolo della comunità).