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

سازگاری مدل برای TF1 / TF2

فرمت های مدل TF توپی

TF توپی ارائه می دهد تکه های قابل استفاده مجدد است که می تواند تماس لود، ساخته شده است، و احتمالا در یک برنامه باز آموزی TensorFlow شود. این در دو فرمت مختلف:

  • سفارشی فرمت TF1 توپی . استفاده اصلی آن در نظر گرفته شده در TF1 (یا TF1 حالت سازگاری در TF2) از طریق آن است API hub.Module . سازگاری کامل جزئیات زیر .
  • بومی TF2 SavedModel فرمت. استفاده اصلی آن در نظر گرفته شده در TF2 طریق است hub.load و hub.KerasLayer رابط های برنامه کاربردی. سازگاری کامل جزئیات زیر .

فرمت مدل را می توان در صفحه مدل در یافت tfhub.dev . مدل بار / استنباط، ریز تنظیم و یا ایجاد نمی ممکن است در TF1 / 2 پشتیبانی می شود بر اساس فرمت های مدل.

سازگاری با فرمت TF1 توپی

عمل TF1 / TF1 حالت در TF2 compat [1] TF2
در حال بارگذاری / استنتاج به طور کامل پشتیبانی ( کامل TF1 توپی راهنمای فرمت بارگذاری )
m = hub.Module(handle)
outputs = m(inputs)
این توصیه می شود به استفاده از هر hub.load
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
یا hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
تنظیم دقیق به طور کامل پشتیبانی ( کامل TF1 توپی راهنمای فرمت ریز تنظیم )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
توجه: ماژول که یک قطار جداگانه نمودار یک تگ قطار ندارد نیاز ندارد.
پشتیبانی نشده
ایجاد به طور کامل پشتیبانی (نگاه کنید به کامل TF1 توپی راهنمای فرمت ایجاد )
توجه: فرمت TF1 توپی به سمت TF1 بشود و فقط تا حدی در TF2 پشتیبانی می شود. اقدام به ساخت یک TF2 SavedModel.
پشتیبانی نشده

سازگاری TF2 SavedModel

قبل از TF1.15 پشتیبانی نمی شود.

عمل TF1.15 / TF1 حالت در TF2 compat [1] TF2
در حال بارگذاری / استنتاج استفاده از هر دو hub.load
m = hub.load(handle)
outputs = m(inputs)
یا hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
به طور کامل پشتیبانی ( کامل TF2 SavedModel راهنمای بارگذاری ). استفاده از هر دو hub.load
m = hub.load(handle)
outputs = m(inputs)
یا hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
تنظیم دقیق پشتیبانی برای hub.KerasLayer مورد استفاده در tf.keras.Model زمانی که با Model.fit آموزش دیده () و یا در یک برآورد که model_fn کاری ادامه داده اند مدل در آموزش دیده راهنمای model_fn سفارشی .
توجه: hub.KerasLayer در مجموعه نمودار را پر نمی مانند tf.compat.v1.layers قدیمی و یا hub.Module رابط های برنامه کاربردی است.
به طور کامل پشتیبانی ( کامل TF2 SavedModel راهنمای ریز تنظیم ). استفاده از هر دو hub.load:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
یا hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
ایجاد TF2 API tf.saved_model.save () می تواند از درون حالت compat نامیده می شود. به طور کامل پشتیبانی (نگاه کنید به کامل راهنمای ایجاد TF2 SavedModel )

[1] "TF1 حالت در TF2 compat" اشاره به اثر ترکیبی از واردات TF2 با import tensorflow.compat.v1 as tf و در حال اجرا tf.disable_v2_behavior() به عنوان توضیح داده شده در راهنمای TensorFlow مهاجرت .