项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
技术标签
使用教程
—
环境要求
- Python 环境（README 未限定具体版本）
- TensorFlow 1.15 或更高版本
- TensorFlow 2.x 可用，但不能使用 v2.1（该版本存在与 NSL 不兼容的 bug）
- pip 包管理工具
安装与启动步骤
-
1检查 TensorFlow 版本
NSL 依赖 TensorFlow，必须为 1.15 或更高版本；如果当前是 TF v2.1 需先升级或降级，否则不兼容。
pip show tensorflow -
2安装 NSL 包
使用官方预编译的 pip 包安装，这是 README 给出的唯一直接安装方式。
pip install neural-structured-learning -
3确认安装成功
查看已安装的包信息；如需在其它环境安装或从源码构建，请查阅 README 指向的 g3doc/install.md 安装指南。
pip show neural-structured-learning
如何确认成功
执行 pip show neural-structured-learning 能正常输出包名、版本与安装位置，即表示库已装入当前 Python 环境。
常见问题
Q：NSL 支持哪些 TensorFlow 版本？
A：需要 TensorFlow 1.15 或更高版本；同时支持 TensorFlow 2.x，但唯独不支持 v2.1，因为该版本存在与 NSL 不兼容的 bug。
Q：如何在其它环境安装或从源码构建？
A：README 建议参考安装指南文档 g3doc/install.md，其中包含不同环境下以包形式安装或从源码构建的详细说明。
Q：NSL 能用来做什么？
A：它提供 Keras API、底层 TF 算子与建图工具，支持图正则化训练（显式结构）和对抗扰动训练（隐式结构）。
Q：结构化信号有什么好处？
A：可在神经网络训练中同时利用有标签和无标签数据，在标注量较少时提升准确率，并让模型对恶意攻击更具鲁棒性。
注意事项
- README 只给出 pip 安装命令，其它安装方式请以 g3doc/install.md 为准。
- 务必避开 TensorFlow v2.1，该版本与 NSL 不兼容。
- NSL 可用于任意类型的神经网络，并兼容 Keras 与低层 TensorFlow API。
- 结构化信号可以是显式图关系，也可以是隐式对抗扰动。
核心亮点
- 提供 Keras 层和 Estimator 封装，图正则化与对抗训练可直接嵌入现有 TensorFlow 流程
- 支持有标签和无标签样本混合训练，适合半监督场景
- 官方文档含 Colab 教程，覆盖图正则化、对抗正则化等典型用法
不足之处
- 强依赖 TensorFlow 1.x/2.x 特定版本，与最新生态兼容性需自行验证
- 项目更新频率较低，社区活跃度和问题响应速度一般
适用场景
- 电商商品分类中利用用户行为图做半监督训练
- 文本分类时用对抗样本提升模型鲁棒性
- 小样本图像识别中借助样本相似度图增强泛化
替代项目
Paddle Graph Learning、DGL、PyTorch Geometric
上一篇：SAELens
下一篇：diffusion-pipe
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···