Présentation de la bibliothèque TensorFlow Hub

Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

La tensorflow_hub bibliothèque vous permet de télécharger et de réutiliser des modèles formés dans votre programme tensorflow avec un montant minimum de code. Le principal moyen de charger un modèle formé utilise l' hub.KerasLayer API.

import tensorflow_hub as hub

embed = hub.KerasLayer("https://tfhub.dev/google/nnlm-en-dim128/2")
embeddings = embed(["A long sentence.", "single-word", "http://example.com"])
print(embeddings.shape, embeddings.dtype)

Définition de l'emplacement du cache pour les téléchargements.

Par défaut, tensorflow_hub utilise un système, répertoire temporaire pour le cache et les modèles non compressés téléchargés. Voir Mise en cache pour les options d'utiliser d' autres endroits, peut - être plus persistants.

Stabilité de l'API

Bien que nous espérons éviter les changements de rupture, ce projet est toujours en cours de développement et n'est pas encore garanti d'avoir une API ou un format de modèle stable.

Justice

Comme dans tout l' apprentissage de la machine, l' équité est une importante considération. De nombreux modèles pré-entraînés sont entraînés sur de grands ensembles de données. Lors de la réutilisation d'un modèle, il est important de garder à l'esprit les données sur lesquelles le modèle a été formé (et s'il existe des biais existants) et leur impact sur votre utilisation.

Sécurité

Comme ils contiennent des graphiques TensorFlow arbitraires, les modèles peuvent être considérés comme des programmes. L' utilisation tensorflow Solidement décrit les implications de sécurité faisant référence à un modèle à partir d' une source non fiable.

Prochaines étapes