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)。