Aiuto proteggere la Grande Barriera Corallina con tensorflow sul Kaggle Join Sfida

Funzionalità extra per TensorFlow, gestita da SIG-addons.

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 è un repository di contributi della community conformi a modelli API consolidati, ma implementano nuove funzionalità non disponibili nel core TensorFlow.

TensorFlow supporta nativamente un gran numero di operatori, livelli, metriche, perdite, ottimizzatori e altro. Tuttavia, in un campo in rapida evoluzione come il machine learning, ci sono molti nuovi sviluppi interessanti che non possono essere integrati nel core di TensorFlow (perché la loro ampia applicabilità non è ancora chiara o è utilizzata principalmente da un sottoinsieme più piccolo della comunità).