जाली आधारित मॉडल के साथ लचीला, 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 Lattice एक पुस्तकालय है जो विवश और व्याख्यात्मक जाली आधारित मॉडल लागू करता है। पुस्तकालय आप सामान्य व्यावहारिक या नीति पर ही आधारित के माध्यम से सीखने की प्रक्रिया में डोमेन ज्ञान इंजेक्षन करने में सक्षम बनाता आकार की कमी । इस का एक संग्रह का उपयोग किया जाता Keras परतों कि इस तरह के दिष्टता, उत्तलता के रूप में की कमी को पूरा कर सकते हैं और कैसे सहभागिता की सुविधा है। पुस्तकालय भी सेटअप करने के लिए आसान प्रदान करता है पूर्व बनाया मॉडल और डिब्बा बंद आकलनकर्ता

टीएफ लैटिस के साथ आप डोमेन ज्ञान का उपयोग प्रशिक्षण डेटासेट द्वारा कवर नहीं किए गए इनपुट स्पेस के हिस्सों को बेहतर ढंग से निकालने के लिए कर सकते हैं। यह अप्रत्याशित मॉडल व्यवहार से बचने में मदद करता है जब वितरण वितरण प्रशिक्षण वितरण से अलग होता है।