Есть вопрос? Присоединяйтесь к сообществу на форуме TensorFlow. Посетите форум.

Обзор библиотеки TensorFlow Hub

Библиотека tensorflow_hub позволяет загружать и повторно использовать обученные модели в программе TensorFlow с минимальным объемом кода. Основной способ загрузки обученной модели - использование API hub.KerasLayer .

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)

Настройка расположения кеша для загрузок.

По умолчанию tensorflow_hub использует общесистемный временный каталог для кеширования загруженных и несжатых моделей. См. В разделе Кэширование варианты использования других, возможно, более постоянных расположений.

Стабильность API

Хотя мы надеемся предотвратить критические изменения, этот проект все еще находится в активной разработке и еще не гарантирован стабильный API или формат модели.

Справедливость

Как и во всем машинном обучении, важным фактором является справедливость . Многие предварительно обученные модели обучаются на больших наборах данных. При повторном использовании любой модели важно помнить, на каких данных была обучена модель (и есть ли в ней какие-либо предубеждения), и как они могут повлиять на ее использование.

Безопасность

Поскольку они содержат произвольные графы TensorFlow, модели можно рассматривать как программы. Использование TensorFlow Securely описывает последствия для безопасности ссылки на модель из ненадежного источника.

Следующие шаги