谷歌今日推出了名叫NSL的神經結構學習框架，作為一個開源架構，其旨在使用神經圖的學習方法，對帶有圖形和結構化數據的神經網絡展開訓練。據悉，NSL能夠與TensorFlow機器學習平台配合使用，適用於有經驗或缺乏經驗的機器學習從業者。NSL能夠製作計算機視覺模型、執行自然語言處理（NLP）、從醫療記錄或知識圖等圖形數據集中運行預測。

（圖自：Google，via VentureBeat）

TensorFlow工程師在今日的一篇博客文章中表示：“在訓練期間使用結構化信號，能夠讓開發者獲得更高的模型精度，尤其是數據量相對較小的時候”。

此外，結構化信號訓練可帶來更強大的模型，這些技術已被Google廣泛應用，以提升模型性能，如學習圖像語義嵌入（Image Semantic Embedding）。

神經結構學習框架（NSL）可以監督、半監督、或無監督地學習，對訓練期間的圖形信號進行正規化的建模。在某些情況下，開發者甚至用不到五行以上的代碼。

值得一提的是，新框架還可幫助開發者構建數據和API 工具，用於創建具有少量代碼的對抗性訓練示例。

今年4月的時候，Google Cloud在BigQuery連接表（connected sheets）和AutoML Tables中的結構化數據，引入了其它的解決方案。

最後，上週Google AI（前Google Research）宣布了開源SM3 。作為一款大型語義理解模型的優化器，它能夠為Google BERT 和OpenAI 的GPT2 等帶來優化。