Wstęp
TensorFlow Hub gospodarze modele do różnych zadań. Modele do tego samego zadania są zachęcane do zaimplementowania wspólnego interfejsu API, aby konsumenci modelu mogli łatwo je wymieniać bez modyfikowania kodu, który ich używa, nawet jeśli pochodzą od różnych wydawców.
Celem jest sprawienie, aby wymiana różnych modeli dla tego samego zadania była tak prosta, jak zmiana hiperparametru o wartościach łańcuchowych. Dzięki temu modelowi konsumenci mogą łatwo znaleźć najlepszą dla swojego problemu.
Katalog ten gromadzi dane o wspólne API dla modeli w formacie TF2 SavedModel . (Zastępuje wspólne Podpisy do teraz-nieaktualnych formacie TF1 Hub ).
SavedModel wielokrotnego użytku: wspólny fundament
Wielokrotnego użytku SavedModel API określa ogólne konwencje sposobu wkładania plecy SavedModel do programu Python i używać go jako część większego modelu TensorFlow.
Podstawowe zastosowanie:
obj = hub.load("path/to/model") # That's tf.saved_model.load() after download.
outputs = obj(inputs, training=False) # Invokes the tf.function obj.__call__.
Dla użytkowników Keras The hub.KerasLayer klasy polega na tym API zawinąć wielokrotnego użytku SavedModel jako warstwa Keras (ekranowanie użytkowników Keras z jego szczegółami), z wejściami i wyjściami według API specyficznych zadań wymienionych poniżej.
Interfejsy API specyficzne dla zadania
Te udoskonalenia wielokrotnego użytku SavedModel API z konwencjami dla poszczególnych zadań ml i typów danych.