Keras 3 é um framework de deep learning que roda com JAX, TensorFlow, PyTorch ou OpenVINO para inferência.
64,4 mil+21 esta semana19,8 milPythonApache-2.0Bem mantidoAtualizado anteontem
tensorflow/neural-structured-learning
Framework do TensorFlow para treinar redes neurais com sinais estruturados em grafos ou perturbados adversarialmente, além dos atributos de entrada.
- Estrelas
- 1,012
- Forks
- 191
- Issues abertas
- 1
- Último commit
- mês passado
O que é?
Neural Structured Learning (NSL) é um framework do TensorFlow para treinar redes neurais com sinais estruturados além dos atributos de entrada convencionais. A estrutura pode ser explícita, representada por um grafo de relações ou similaridade entre amostras, ou implícita, induzida por perturbações adversariais nas entradas.
O framework é voltado a cenários com poucos dados rotulados, pois pode aproveitar amostras não rotuladas por meio de suas relações com as rotuladas. Exemplos de treinamento perturbados adversarialmente ajudam a tornar os modelos mais robustos a entradas criadas para induzir previsões incorretas. Os sinais estruturados são usados apenas durante o treinamento, sem alterar os fluxos de serving e inferência.
O NSL oferece APIs do Keras para treinamento com grafos e treinamento adversarial, ops e funções de nível mais baixo do TensorFlow, além de ferramentas para criar grafos e montar entradas para eles. Pode ser instalado como um pacote pip e funciona com TensorFlow 1.15 ou posterior, exceto o TensorFlow 2.1.
Recursos principais
- 01APIs do Keras para treinamento com grafos explícitos e perturbações adversariais.
- 02Ops e funções de nível mais baixo do TensorFlow para incorporar estrutura a treinamentos personalizados.
- 03Ferramentas para criar grafos e montar entradas para eles.
- 04Os sinais estruturados são usados apenas durante o treinamento, sem alterar a inferência.
- 05Instalável via pip, com tutoriais de exemplo sobre aprendizado com grafos e aprendizado adversarial.
Casos de uso
- Treinar classificadores de texto ou de nós quando apenas uma pequena fração das amostras está rotulada.
- Aumentar a robustez do modelo contra entradas criadas adversarialmente.
- Incorporar grafos de relações ou similaridade entre amostras a um pipeline de treinamento do TensorFlow.
Início rápido
- 1
Instale o pacote pip pré-compilado do NSL
pip install neural-structured-learning - 2
Consulte o guia de instalação para outras configurações ou para compilar a partir do código-fonte
Antes de usar
- Requer TensorFlow 1.15 ou superior, e o TensorFlow 2.1 é incompatível.
Tópicos
#tensorflow#graph-learning#adversarial-learning#semi-supervised-learning#keras#neural-networks#regularization#structured-signals
Perguntas frequentes
- O que é neural-structured-learning?
- Framework do TensorFlow para treinar redes neurais com sinais estruturados em grafos ou perturbados adversarialmente, além dos atributos de entrada. Neural Structured Learning (NSL) é um framework do TensorFlow para treinar redes neurais com sinais estruturados além dos atributos de entrada convencionais. A estrutura pode ser explícita, representada por um grafo de relações ou similaridade entre amostras, ou implícita, induzida por perturbações adversariais nas entradas.
- neural-structured-learning é gratuito? Qual é a licença?
- neural-structured-learning é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- neural-structured-learning ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de neural-structured-learning foi em 5 de out. de 2026.
- Para que posso usar neural-structured-learning?
- Treinar classificadores de texto ou de nós quando apenas uma pequena fração das amostras está rotulada. Aumentar a robustez do modelo contra entradas criadas adversarialmente. Incorporar grafos de relações ou similaridade entre amostras a um pipeline de treinamento do TensorFlow.
- Como instalar neural-structured-learning?
- Instale o pacote pip pré-compilado do NSL: pip install neural-structured-learning Consulte o guia de instalação para outras configurações ou para compilar a partir do código-fonte
- Onde consigo neural-structured-learning?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/tensorflow/neural-structured-learning
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Acelerador multiplataforma para executar modelos de ML exportados no formato ONNX, com suporte ao treinamento de scripts do PyTorch.
22,3 mil+60 esta semana4,4 milC++MITAtualizado há 22 horas
Um mecanismo de inferência autônomo em Rust que carrega modelos ONNX e NNEF e os executa em CPU, Apple Metal, NVIDIA CUDA e WebAssembly.
3,1 mil+4 esta semana298RustOtherBem mantidoAtualizado há 23 horas
Currículo introdutório de IA da Microsoft, com 24 aulas ao longo de 12 semanas sobre IA simbólica, redes neurais, visão computacional, NLP e ética, incluindo notebooks em PyTorch e TensorFlow.
Recursos de aprendizado#artificial-intelligence#machine-learning#deep-learning#neural-networks#computer-vision
70,6 mil+228 esta semana13,7 milJupyter NotebookMITAtualizado há 3 dias
Coleção de exemplos em Jupyter Notebook que implementam diversas arquiteturas de deep learning e técnicas de treinamento em PyTorch e TensorFlow.
17,6 mil4,1 milJupyter NotebookMITAtualizado mês passado
Uma coleção de tutoriais e projetos em notebooks Jupyter do programa Udacity Deep Learning Nanodegree Foundation, com redes neurais, RNNs, GANs e muito mais.
4,1 mil4,4 milJupyter NotebookMITAtualizado há 12 dias