谷歌开源NSL:用于图形数据的TensorFlow机器学习框架

智东西(公众号:zhidxcom)
编 | 李水青

导语:NSL开源框架能提高模型精度并简化编程工作。

智东西9月4日消息,谷歌今天新推出了其神经结构化学习(NSL)开源框架,能用于通过图形和结构化的数据训练神经网络。

不论经验深浅,机器学习从业者都可以将NSL与TensorFlow机器学习平台配合使用。NSL可以制作计算机视觉模型、执行自然语言处理(NLP)、以及利用医疗记录或知识图等图形数据集运行预测。

TensorFlow是谷歌开源的用于数值计算的开源软件库,用于机器学习和深度神经网络方面的研究。TensorFlow可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算。

一、应对数据匮乏,提高模型精度

TensorFlow工程师今天在博客中说:“在模型训练期间,通过NSL的结构化信号,开发人员能够获得更高的模型精度。特别是在标注数据量相对较小时,它的作用就更大了。”

“同时,结构化信号训练也可以带来更强大的模型,这些技术已被谷歌广泛应用于提高模型性能,如学习图像语义嵌入(Image Semantic Embedding)。”

二、简化编程工作,五行代码可完成建模

NSL可以通过监督、半监督或无监督学习对训练期间的图形信号进行正规化的建模。在某些情况下,五行代码就能完全搞定。

另外,新框架还可以帮助开发人员处理数据和API(应用程序编程接口)的工具,使他们在项目中使用更少的代码完成对抗训练。

今年4月,谷歌云为结构化数据引入了其他解决方案,如BigQuery连接表和AutoML Tables。另外,上周谷歌AI开源了SM3,这是一个针对BERT等大型语言理解模型的优化工具。

文章来源:VentureBeat