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। লাইব্রেরি আপনাকে সাধারণ জ্ঞান বা নীতি-চালিত আকারের সীমাবদ্ধতার মাধ্যমে শেখার প্রক্রিয়ার মধ্যে ডোমেন জ্ঞান ইনজেক্ট করতে সক্ষম করে। এটি কেরাস স্তরগুলির একটি সংগ্রহ ব্যবহার করে করা হয় যা একঘেয়েমি, উত্তলতা এবং বৈশিষ্ট্যগুলি কীভাবে ইন্টারঅ্যাক্ট করে তার মতো সীমাবদ্ধতাগুলি পূরণ করতে পারে। লাইব্রেরিটি প্রিমেড মডেল সেটআপ করার জন্য সহজ প্রদান করে।
TF Lattice-এর সাহায্যে আপনি প্রশিক্ষণ ডেটাসেটের অন্তর্ভুক্ত নয় এমন ইনপুট স্পেসের অংশগুলিতে আরও ভালভাবে এক্সট্রাপোলেট করতে ডোমেন জ্ঞান ব্যবহার করতে পারেন। পরিবেশন বিতরণ প্রশিক্ষণ বিতরণ থেকে ভিন্ন হলে এটি অপ্রত্যাশিত মডেল আচরণ এড়াতে সহায়তা করে।
![](https://www.tensorflow.org/static/lattice/images/model_comparison.png?authuser=2&hl=bn)