Se usó la API de Cloud Translation para traducir esta página.
Switch to English

Compatibilidad modelo para TF1 / TF2

formatos modelo TF Hub

TF Hub ofrece piezas modelo reutilizable que se puede volver cargado, construida sobre, y, posiblemente, pueda formar en un programa TensorFlow. Estos vienen en dos formatos diferentes:

El formato modelo se puede encontrar en la página del modelo de tfhub.dev . Carga / inferencia, puesta a punto o la creación de modelos podrían no ser compatibles en TF1 / 2 sobre la base de los modelos de formato.

Compatibilidad del formato de TF1 Hub

Operación TF1 / TF1 modo compat en TF2 [1] TF2
Carga / Inferencia Totalmente compatible ( completa TF1 Hub guía de formato de carga )
m = hub.Module(handle)
outputs = m(inputs)
Se recomienda usar cualquiera hub.load
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
o hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
Sintonia FINA Totalmente compatible ( completa TF1 Hub guía formato de ajuste fino )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
Nota: Los módulos que no necesitan un tren separado gráfico que no tienen una etiqueta de tren.
No soportado
Creación Totalmente compatible (ver TF1 Hub guía completa creación formato )
Nota: El formato de TF1 Hub está dirigido a TF1 y es compatible sólo parcialmente en TF2. Considerar la creación de un TF2 SavedModel.
No soportado

Compatibilidad de TF2 SavedModel

No es compatible antes de TF1.15.

Operación TF1.15 / TF1 modo compat en TF2 [1] TF2
Carga / Inferencia Utilizar cualquiera hub.load
m = hub.load(handle)
outputs = m(inputs)
o hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
Totalmente compatible ( guía completa de carga TF2 SavedModel ). Utilizar cualquiera hub.load
m = hub.load(handle)
outputs = m(inputs)
o hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
Sintonia FINA Apoyado por un hub.KerasLayer utilizado en tf.keras.Model cuando entrenado con Model.fit () o entrenado en un estimador cuya model_fn envuelve el modelo por la guía model_fn personalizada .
Nota: hub.KerasLayer no se llena en colecciones de gráficos como en los viejos tf.compat.v1.layers o hub.Module API hizo.
Totalmente compatible ( TF2 SavedModel guía completa puesta a punto ). Utilizar cualquiera hub.load:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
o hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
Creación El API TF2 tf.saved_model.save () puede ser llamado desde el modo de comp. Totalmente compatible (ver guía completa creación de TF2 SavedModel )

[1] "TF1 modo en TF2 compat" se refiere al efecto combinado de la importación de TF2 con import tensorflow.compat.v1 as tf y funcionando tf.disable_v2_behavior() como se describe en la guía TensorFlow migración .