ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

مرنة ، مسيطر عليها وتفسيرها مع نماذج شعرية

import numpy as np
import tensorflow as tf
import tensorflow_lattice as tfl

model = tf.keras.models.Sequential()
model.add(
    tfl.layers.ParallelCombination([
        # Monotonic piece-wise linear calibration with bounded output
        tfl.layers.PWLCalibration(
            monotonicity='increasing',
            input_keypoints=np.linspace(1., 5., num=20),
            output_min=0.0,
            output_max=1.0),
        # Diminishing returns
        tfl.layers.PWLCalibration(
            monotonicity='increasing',
            convexity='concave',
            input_keypoints=np.linspace(0., 200., num=20),
            output_min=0.0,
            output_max=2.0),
        # Partially monotonic categorical calibration: calib(0) <= calib(1)
        tfl.layers.CategoricalCalibration(
            num_buckets=4,
            output_min=0.0,
            output_max=1.0,
            monotonicities=[(0, 1)]),
    ]))
model.add(
    tfl.layers.Lattice(
        lattice_size=[2, 3, 2],
        monotonicities=['increasing', 'increasing', 'increasing'],
        # Trust: model is more responsive to input 0 if input 1 increases
        edgeworth_trusts=(0, 1, 'positive')))
model.compile(...)

TensorFlow Lattice هي مكتبة تقوم بتطبيق نماذج شعرية مقيدة وقابلة للتفسير. تمكّنك المكتبة من حقن معرفة المجال في عملية التعلم من خلال قيود الفطرة السليمة أو التي تعتمد على السياسة. يتم ذلك باستخدام مجموعة من طبقات Keras التي يمكن أن تلبي قيودًا مثل التحدب والتحدب وكيف تتفاعل الميزات. كما توفر المكتبة أيضًا نماذج سهلة الإعداد ومقدرين معلبين .

مع TF Lattice ، يمكنك استخدام معرفة المجال لاستقراء أفضل لأجزاء مساحة الإدخال التي لا تغطيها مجموعة بيانات التدريب. يساعد هذا على تجنب سلوك النموذج غير المتوقع عندما يكون توزيع العرض مختلفًا عن توزيع التدريب.