این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

بررسی اجمالی کتابخانه TensorFlow Hub

کتابخانه tensorflow_hub شما امکان می دهد با حداقل مقدار کد ، مدل های آموزش دیده را در برنامه tensorflow_hub خود بارگیری و استفاده مجدد کنید. روش اصلی بارگذاری یک مدل آموزش دیده استفاده از hub.KerasLayer API است.

import tensorflow_hub as hub

embed = hub.KerasLayer("https://tfhub.dev/google/tf2-preview/nnlm-en-dim128/1")
embeddings = embed(["A long sentence.", "single-word", "http://example.com"])
print(embeddings.shape, embeddings.dtype)

تنظیم مکان پنهان برای بارگیری ها.

به طور پیش فرض ، tensorflow_hub از یک دایرکتوری موقت در سیستم استفاده می کند تا مدل های بارگیری شده و فشرده نشده را در حافظه پنهان ذخیره کند. برای استفاده از مکانهای دیگر ، احتمالاً با دوام بیشتر ، به ذخیره سازی مراجعه کنید.

پایداری API

اگرچه امیدواریم بتوانیم از شکستن تغییرات جلوگیری کنیم ، این پروژه هنوز در دست توسعه فعال است و هنوز تضمین نمی شود که یک API یا قالب مدل پایدار داشته باشد.

انصاف

همانند همه یادگیری های ماشینی ، انصاف یک نکته مهم است . بسیاری از مدل های از قبل آموزش دیده در مجموعه داده های بزرگ آموزش داده می شوند. هنگام استفاده مجدد از هر مدل ، مهم است که توجه داشته باشید که مدل بر روی چه داده هایی آموزش داده شده است (و آیا تعصبات موجود در آنجا وجود دارد) ، و اینکه چگونه اینها ممکن است بر استفاده شما از آن تأثیر بگذارد.

امنیت

از آنجا که آنها شامل نمودارهای دلخواه TensorFlow هستند ، می توان مدل ها را به عنوان برنامه در نظر گرفت. با استفاده از TensorFlow به طور ایمن پیامدهای امنیتی ارجاع یک مدل از یک منبع غیرقابل اعتماد توصیف می شود.

مراحل بعدی