This page was translated by the Cloud Translation API.
Switch to English

TF1 / TF2 জন্য মডেল সামঞ্জস্য

মেমরি হাব মডেল ফরম্যাটের

মেমরি হাব পুনর্ব্যবহারযোগ্য মডেল টুকরা লোড পিছনে, উপর নির্মিত হতে পারে, এবং সম্ভবত একটি TensorFlow প্রোগ্রামে retrained করা উপলব্ধ করা হয়। এই দুটি ভিন্ন বিন্যাসে আসা:

  • কাস্টম TF1 হাব বিন্যাস । এর প্রধান উদ্দীষ্ট ব্যবহার এটির মাধ্যমে TF1 (অথবা TF1 TF2 মধ্যে সামঞ্জস্য মোড) হয় hub.Module এপিআই । ফুল সামঞ্জস্য বিস্তারিত নিচে
  • নেটিভ TF2 SavedModel বিন্যাস। এর প্রধান উদ্দীষ্ট ব্যবহারের মাধ্যমে TF2 হয় hub.load এবং hub.KerasLayer API গুলি। ফুল সামঞ্জস্য বিস্তারিত নিচে

মডেল ফরম্যাট মডেল পৃষ্ঠাতে খুঁজে পাওয়া যেতে পারে tfhub.dev । মডেল লোড / অনুমান, জরিমানা-টিউনিং বা সৃষ্টি মডেল ফরম্যাটের উপর ভিত্তি করে TF1 / 2 সমর্থিত নয় হতে পারে।

TF1 হাব বিন্যাসের সামঞ্জস্যের

অপারেশন TF1 / TF1 TF2 মোডে compat [1] TF2
লোড হচ্ছে / ইনফিরেনস সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF1 হাব বিন্যাস লোড নির্দেশিকা )
m = hub.Module(handle)
outputs = m(inputs)
এটি হয় hub.load ব্যবহার করতে সুপারিশ করা হচ্ছে
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
বা hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
ফাইন-টিউনিং সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF1 হাব বিন্যাস ফাইন টিউনিং গাইড )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
নোট: মডিউল যা গ্রাফ একটি ট্রেন ট্যাগ আছে না একটা আলাদা ট্রেন প্রয়োজন হবে না।
সমর্থিত নয়
সৃষ্টি সম্পূর্ণরূপে সমর্থিত (দেখুন সম্পূর্ণ TF1 হাব বিন্যাস সৃষ্টি নির্দেশিকা )
নোট: TF1 হাব বিন্যাস TF1 প্রতি গতি বাড়ানোর হয় এবং শুধুমাত্র আংশিকভাবে TF2 সমর্থিত। একটি TF2 SavedModel তৈরির কথা বিবেচনা করুন।
সমর্থিত নয়

TF2 SavedModel এর সামঞ্জস্যের

TF1.15 আগে সমর্থিত নয়।

অপারেশন TF1.15 / TF1 TF2 মোডে compat [1] TF2
লোড হচ্ছে / ইনফিরেনস পারেন hub.load ব্যবহার করুন
m = hub.load(handle)
outputs = m(inputs)
বা hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF2 SavedModel লোড নির্দেশিকা )। পারেন hub.load ব্যবহার করুন
m = hub.load(handle)
outputs = m(inputs)
বা hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
ফাইন-টিউনিং যখন () Model.fit সঙ্গে প্রশিক্ষিত অথবা একটি মূল্নির্ধারক যার model_fn মডেল গোপন প্রতি প্রশিক্ষণ tf.keras.Model ব্যবহৃত একটি hub.KerasLayer জন্য সমর্থিত কাস্টম model_fn নির্দেশিকা
নোট: hub.KerasLayer পুরাতন tf.compat.v1.layers মত গ্রাফ সংগ্রহের পূরণ করে না অথবা hub.Module API গুলি করেনি।
সম্পূর্ণরূপে সমর্থিত ( TF2 SavedModel ফাইন টিউনিং গাইড সম্পূর্ণ )। পারেন hub.load ব্যবহার করুন:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
বা hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
সৃষ্টি TF2 এপিআই tf.saved_model.save () compat মোড মধ্যে থেকে বলা যায় না। সম্পূর্ণরূপে সমর্থিত (দেখুন সম্পূর্ণ TF2 SavedModel সৃষ্টি নির্দেশিকা )

[1] "TF1 compat TF2 মোডে" সঙ্গে TF2 আমদানি যৌথ প্রভাব বোঝায় import tensorflow.compat.v1 as tf এবং চলমান tf.disable_v2_behavior() বর্ণনা অনুযায়ী TensorFlow মাইগ্রেশন নির্দেশিকা