ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

ฟังก์ชันเพิ่มเติมสำหรับ TensorFlow ดูแลโดย 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 เป็นที่เก็บการสนับสนุนของชุมชนที่สอดคล้องกับรูปแบบ API ที่เป็นที่ยอมรับ แต่ใช้ฟังก์ชันการทำงานใหม่ที่ไม่มีใน TensorFlow หลัก

TensorFlow รองรับโอเปอเรเตอร์ เลเยอร์ เมตริก การสูญเสีย ออปติไมเซอร์ และอื่นๆ จำนวนมาก อย่างไรก็ตาม ในสาขาที่เคลื่อนไหวอย่างรวดเร็ว เช่น ML มีการพัฒนาใหม่ที่น่าสนใจมากมายที่ไม่สามารถรวมเข้ากับ TensorFlow หลักได้ (เนื่องจากการใช้งานในวงกว้างยังไม่ชัดเจน หรือส่วนใหญ่จะใช้โดยกลุ่มย่อยที่เล็กกว่าของชุมชน)