tensorflow/neural-structured-learning

Что это?

Ключевые возможности

• 01Keras API для обучения с явными графами и состязательными возмущениями.
• 02Низкоуровневые TensorFlow ops и функции для добавления структурированных данных в пользовательский процесс обучения.
• 03Инструменты для построения графов и подготовки графовых входных данных.
• 04Структурированные сигналы используются только во время обучения, не затрагивая инференс.
• 05Установка через pip и примеры с руководствами по графовому и состязательному обучению.

Сценарии использования

• Обучение классификаторов текста или узлов, когда размечена лишь небольшая часть образцов.
• Повышение устойчивости модели к специально сформированным состязательным входным данным.
• Добавление в TensorFlow-процесс обучения графов отношений или сходства между образцами.

Быстрый старт

1. 1

   Установите предварительно собранный pip-пакет NSL

   pip install neural-structured-learning
2. 2

   Ознакомьтесь с руководством по установке, чтобы узнать о других вариантах настройки или сборке из исходного кода

Что важно знать

• !Требуется TensorFlow 1.15 или выше; TensorFlow 2.1 несовместим.

Темы

Частые вопросы

Что такое neural-structured-learning?

Фреймворк TensorFlow для обучения нейросетей с использованием графовых структур или состязательных возмущений наряду с признаками входных данных. Neural Structured Learning (NSL) — это фреймворк TensorFlow для обучения нейросетей с использованием структурированных сигналов в дополнение к обычным входным признакам. Структура может быть явной — представленной в виде графа отношений или сходства между образцами — либо неявной, возникающей из-за состязательных возмущений входных данных.

neural-structured-learning можно использовать бесплатно? Какая у него лицензия?

neural-structured-learning распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.

neural-structured-learning всё ещё поддерживается?

Обновлялся за последние 6 месяцев. Последний коммит в neural-structured-learning — 5 окт. 2026 г..

Для чего можно использовать neural-structured-learning?

Обучение классификаторов текста или узлов, когда размечена лишь небольшая часть образцов. Повышение устойчивости модели к специально сформированным состязательным входным данным. Добавление в TensorFlow-процесс обучения графов отношений или сходства между образцами.

Как установить neural-structured-learning?

Установите предварительно собранный pip-пакет NSL: pip install neural-structured-learning Ознакомьтесь с руководством по установке, чтобы узнать о других вариантах настройки или сборке из исходного кода

Где скачать neural-structured-learning?

Исходный код и инструкции по установке — на GitHub: https://github.com/tensorflow/neural-structured-learning