Fungsionalitas ekstra untuk TensorFlow, dikelola oleh add-on SIG.
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 Addons adalah repositori kontribusi komunitas yang sesuai dengan pola API yang sudah mapan, tetapi mengimplementasikan fungsionalitas baru yang tidak tersedia di inti TensorFlow.
TensorFlow secara native mendukung sejumlah besar operator, lapisan, metrik, kerugian, pengoptimal, dan banyak lagi. Namun, di bidang yang bergerak cepat seperti ML, ada banyak perkembangan baru yang menarik yang tidak dapat diintegrasikan ke dalam inti TensorFlow (karena penerapannya secara luas belum jelas, atau sebagian besar digunakan oleh sebagian kecil komunitas).