Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

SIG eklentileri tarafından sağlanan TensorFlow için ekstra işlevsellik.

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 Eklentileri, köklü API kalıplarına uyan ancak temel TensorFlow'da bulunmayan yeni işlevler uygulayan topluluk katkılarının deposudur.

TensorFlow yerel olarak çok sayıda operatörü, katmanı, metriği, kaybı, optimize ediciyi ve daha fazlasını destekler. Bununla birlikte, ML gibi hızlı hareket eden bir alanda, çekirdek TensorFlow'a entegre edilemeyen birçok ilginç yeni gelişme var (çünkü geniş uygulanabilirlikleri henüz net değil veya çoğunlukla topluluğun daha küçük bir alt kümesi tarafından kullanılıyor).