谷歌今日推出了名叫 NSL 的神经结构学习框架,作为一个开源架构,其旨在使用神经图的学习方法,对带有图形和结构化数据的神经网络展开训练。据悉,NSL 能够与 TensorFlow 机器学习平台配合使用,适用于有经验或缺乏经验的机器学习从业者。NSL 能够制作计算机视觉模型、执行自然语言处理(NLP)、从医疗记录或知识图等图形数据集中运行预测。

谷歌发布NSL:面向图形数据的TensorFlow机器学习框架-玩懂手机网 - 玩懂手机第一手的手机资讯网(www.wdshouji.com)(图自:Google,via VentureBeat)

TensorFlow 工程师在今日的一篇博客文章中表示:“在训练期间使用结构化信号,能够让开发者获得更高的模型精度,尤其是数据量相对较小的时候”。

此外,结构化信号训练可带来更强大的模型,这些技术已被 Google 广泛应用,以提升模型性能,如学习图像语义嵌入(Image Semantic Embedding)。

神经结构学习框架(NSL)可以监督、半监督、或无监督地学习,对训练期间的图形信号进行正规化的建模。在某些情况下,开发者甚至用不到五行以上的代码。

值得一提的是,新框架还可帮助开发者构建数据和 API 工具,用于创建具有少量代码的对抗性训练示例。

今年 4 月的时候,Google Cloud 在 BigQuery 连接表(connected sheets)和 AutoML Tables 中的结构化数据,引入了其它的解决方案。

最后,上周 Google AI(前 Google Research)宣布了开源 SM3 。作为一款大型语义理解模型的优化器,它能够为 Google BERT 和 OpenAI 的 GPT2 等带来优化。