Google I / O là một kết quả hoàn hảo! Cập nhật các phiên TensorFlow Xem phiên

ML linh hoạt, được kiểm soát và có thể diễn giải với các mô hình dựa trên mạng tinh thể

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 là một thư viện triển khai các mô hình dựa trên mạng tinh thể có giới hạn và có thể diễn giải được. Thư viện cho phép bạn bơm kiến thức miền vào quá trình học tập thông qua chung cảm giác hay chính sách định hướng hạn chế hình dạng . Này được thực hiện bằng một tập hợp các lớp Keras có thể thỏa mãn các ràng buộc như đơn điệu, lồi và cách tính năng tương tác. Các thư viện cũng cung cấp dễ dàng để thiết lập mô hình premadeước lượng đóng hộp .

Với TF Lattice, bạn có thể sử dụng kiến ​​thức miền để ngoại suy tốt hơn cho các phần của không gian đầu vào không nằm trong tập dữ liệu đào tạo. Điều này giúp tránh hành vi mô hình không mong muốn khi phân phối phục vụ khác với phân phối đào tạo.