तिथि को रक्षित करें! Google I / O 18-20 मई को पंजीकृत करता है
इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

जाली आधारित मॉडलों के साथ लचीले, नियंत्रित और व्याख्या योग्य एमएल

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 जाली एक पुस्तकालय है जो विवश और व्याख्यात्मक जाली आधारित मॉडल को लागू करता है। लाइब्रेरी आपको सामान्य ज्ञान या नीति-चालित आकार की बाधाओं के माध्यम से सीखने की प्रक्रिया में डोमेन ज्ञान को इंजेक्ट करने में सक्षम बनाती है। यह केरस परतों के एक संग्रह का उपयोग करके किया जाता है जो बाधाओं जैसे कि एकरसता, उत्तलता और बातचीत के तरीकों को संतुष्ट कर सकता है। पुस्तकालय भी प्रीमियर मॉडल और डिब्बाबंद आकलनकर्ताओं को सेटअप करने में आसान प्रदान करता है।

TF Lattice के साथ आप डोमेन डेटा का उपयोग बेहतर तरीके से कर सकते हैं ताकि इनपुट डेटासेट के कुछ हिस्सों को ट्रेनिंग डेटासेट द्वारा कवर न किया जा सके। यह अनपेक्षित मॉडल व्यवहार से बचने में मदद करता है जब सेवा वितरण प्रशिक्षण वितरण से अलग होता है।