Have a question? Connect with the community at the TensorFlow Forum Visit Forum

由 SIG 外掛程式維護的 TensorFlow 額外功能。

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 附加元件是社群貢獻的存放區,符合完善的 API 模式,但實作了核心 TensorFlow 所沒有的新功能。

TensorFlow 原生支援大量運算子、層、指標、損失和最佳化器等等。然而,在機器學習這類快速發展的領域中,有許多有趣的新開發項目無法與核心 TensorFlow 整合 (因為其整體適用性還不明確,或是通常只有一小部分的社群使用)。