由 SIG 外掛程式維護的 TensorFlow 額外功能。
import tensorflow as tf import tensorflow_addons as tfa train,test = tf.keras.datasets.mnist.load_data() x_train, y_train = train x_train = x_train[..., tf.newaxis] / 255.0 # TFA layers and activations model = tf.keras.Sequential([ tf.keras.layers.Conv2D(filters=10, kernel_size=(3,3), activation=tfa.activations.gelu), tfa.layers.GroupNormalization(groups=5, axis=3), tf.keras.layers.Flatten(), tf.keras.layers.Dense(10, activation='softmax') ]) # TFA optimizers, losses and metrics model.compile( optimizer=tfa.optimizers.RectifiedAdam(0.001), loss=tfa.losses.TripletSemiHardLoss(), metrics=[tfa.metrics.MultiLabelConfusionMatrix(num_classes=10)]) history = model.fit(x_train, y_train, epochs=10)
TensorFlow SIG 附加元件是社群貢獻的存放區,符合完善的 API 模式,但實作了核心 TensorFlow 所沒有的新功能。
TensorFlow 原生支援大量運算子、層、指標、損失和最佳化器等等。然而,在機器學習這類快速發展的領域中,有許多有趣的新開發項目無法與核心 TensorFlow 整合 (因為其整體適用性還不明確,或是通常只有一小部分的社群使用)。