জালি ভিত্তিক মডেল সহ নমনীয়, নিয়ন্ত্রিত এবং ব্যাখ্যাযোগ্য এমএল

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_sizes=[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 হল একটি লাইব্রেরি যা সীমাবদ্ধ এবং ব্যাখ্যাযোগ্য জালি ভিত্তিক মডেল প্রয়োগ করে। আপনার লাইব্রেরি সাধারণ-ইন্দ্রিয় বা নীতি চালিত মাধ্যমে শেখার প্রক্রিয়ার মধ্যে ডোমেইন জ্ঞান উদ্বুদ্ধ করতে সক্ষম আকৃতি সীমাবদ্ধতার । এই একটি সংগ্রহ ব্যবহার করা যাবে Keras স্তর যে এই ধরনের monotonicity, ন্যুব্জতা যেমন সীমাবদ্ধতা সন্তুষ্ট করতে পারেন এবং কিভাবে আচরণ বৈশিষ্ট্যগুলিও উপস্থিত রয়েছে। লাইব্রেরি সেটআপ করা সহজ উপলব্ধ premade মডেল এবং টিনজাত estimators

TF Lattice-এর সাহায্যে আপনি প্রশিক্ষণ ডেটাসেট দ্বারা কভার না করা ইনপুট স্থানের অংশগুলিতে আরও ভালভাবে এক্সট্রাপোলেট করতে ডোমেন জ্ঞান ব্যবহার করতে পারেন। যখন পরিবেশন বিতরণ প্রশিক্ষণ বিতরণ থেকে ভিন্ন হয় তখন এটি অপ্রত্যাশিত মডেল আচরণ এড়াতে সহায়তা করে।