ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

توافق النموذج مع TF1 / TF2

تنسيقات نموذج TF Hub

يوفر TF Hub قطعًا نموذجية قابلة لإعادة الاستخدام يمكن إعادة تحميلها ، والبناء عليها ، وربما إعادة تدريبها في برنامج TensorFlow. تأتي هذه في شكلين مختلفين:

يمكن العثور على تنسيق النموذج في صفحة النموذج على tfhub.dev . قد لا يتم دعم تحميل النموذج / الاستدلال أو الضبط الدقيق أو الإنشاء في TF1 / 2 بناءً على تنسيقات النموذج.

توافق تنسيق TF1 Hub

عملية وضع التوافق TF1 / TF1 في TF2 [1] TF2
التحميل / الاستدلال مدعوم بالكامل ( دليل تحميل تنسيق TF1 Hub كامل )
m = hub.Module(handle)
outputs = m(inputs)
يوصى باستخدام أي من hub.load
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
أو hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
الكون المثالى مدعوم بالكامل ( دليل ضبط تنسيق TF1 Hub كامل )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
ملاحظة: لا تحتوي الوحدات التي لا تحتاج إلى رسم بياني منفصل للقطار على علامة قطار.
غير مدعوم
خلق مدعوم بالكامل (راجع دليل إنشاء تنسيق TF1 Hub الكامل )
ملاحظة: تنسيق TF1 Hub موجه نحو TF1 وهو مدعوم جزئيًا فقط في TF2. ضع في اعتبارك إنشاء TF2 SavedModel.
غير مدعوم

التوافق مع TF2 SavedModel

غير مدعوم من قبل TF1.15.

عملية وضع التوافق TF1.15 / TF1 في TF2 [1] TF2
التحميل / الاستدلال استخدم إما hub.load
m = hub.load(handle)
outputs = m(inputs)
أو hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
مدعوم بالكامل ( دليل تحميل TF2 SavedModel الكامل ). استخدم إما hub.load
m = hub.load(handle)
outputs = m(inputs)
أو hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
الكون المثالى مدعوم لـ hub.KerasLayer المستخدم في tf.keras.Model عند تدريبه باستخدام Model.fit () أو تم تدريبه في مقدر الذي يقوم model_fn بتغليف النموذج وفقًا لدليل model_fn المخصص .
ملاحظة: لا يملأ hub.KerasLayer مجموعات الرسوم البيانية مثل tf.compat.v1.layers القديم أو المحور.
مدعوم بالكامل ( دليل ضبط TF2 SavedModel الكامل ). استخدم إما hub.load:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
أو hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
خلق يمكن استدعاء TF2 API tf.saved_model.save () من داخل وضع التوافق. مدعوم بالكامل (راجع دليل إنشاء TF2 SavedModel الكامل )

[1] يشير "وضع التوافق TF1 في TF2" إلى التأثير المشترك لاستيراد TF2 مع import tensorflow.compat.v1 as tf وتشغيل tf.disable_v2_behavior() كما هو موضح في دليل TensorFlow Migration .