इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

TF1 / TF2 के लिए मॉडल संगतता

TF हब मॉडल प्रारूपों

TF हब पुन: प्रयोज्य मॉडल टुकड़े कि लोड वापस, पर बनाया जा सकता है, और संभवतः एक TensorFlow कार्यक्रम में retrained जा प्रदान करता है। ये दो अलग प्रारूपों में उपलब्ध हैं:

  • कस्टम TF1 हब प्रारूप । इसका मुख्य लक्षित उपयोग अपने माध्यम से TF1 (या TF1 TF2 में संगतता मोड) में है hub.Module एपीआई । पूर्ण संगतता विवरण नीचे
  • देशी TF2 SavedModel प्रारूप। इसका मुख्य उद्देश्य उपयोग के माध्यम से TF2 में है hub.load और hub.KerasLayer एपीआई। पूर्ण संगतता विवरण नीचे

मॉडल प्रारूप पर मॉडल पृष्ठ पर पाया जा सकता है tfhub.dev । मॉडल लदान / निष्कर्ष, ठीक करने या निर्माण मॉडल स्वरूपों के आधार पर TF1 / 2 में समर्थित नहीं किया जा सकता है।

TF1 हब प्रारूप की संगतता

ऑपरेशन TF1 / TF1 TF2 में मोड Compat [1] TF2
लोड हो रहा है / निष्कर्ष पूरी तरह से समर्थित ( पूरा TF1 हब प्रारूप लोड हो रहा है गाइड )
m = hub.Module(handle)
outputs = m(inputs)
यह या तो hub.load उपयोग करने के लिए अनुशंसा की जाती है
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
या hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
फ़ाइन ट्यूनिंग पूरी तरह से समर्थित ( पूरा TF1 हब प्रारूप ठीक करने गाइड )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
नोट: मॉड्यूल ग्राफ एक ट्रेन टैग की जरूरत नहीं है एक अलग ट्रेन जरूरत नहीं है।
समर्थित नहीं
सृष्टि पूरी तरह से समर्थित है (देखें पूरा TF1 हब प्रारूप निर्माण गाइड )
नोट: TF1 हब प्रारूप TF1 की दिशा में सक्षम है और केवल आंशिक रूप से TF2 में समर्थित है। एक TF2 SavedModel बनाने पर विचार करें।
समर्थित नहीं

TF2 SavedModel की संगतता

TF1.15 से पहले समर्थन प्राप्त नहीं।

ऑपरेशन TF1.15 / TF1 TF2 में मोड Compat [1] TF2
लोड हो रहा है / निष्कर्ष या तो hub.load का प्रयोग करें
m = hub.load(handle)
outputs = m(inputs)
या hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
पूरी तरह से समर्थित ( पूरा TF2 SavedModel लोड हो रहा है गाइड )। या तो hub.load का प्रयोग करें
m = hub.load(handle)
outputs = m(inputs)
या hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
फ़ाइन ट्यूनिंग जब () Model.fit के साथ प्रशिक्षित या एक अनुमानक जिसका model_fn मॉडल लपेटता प्रति में प्रशिक्षित tf.keras.Model में इस्तेमाल एक hub.KerasLayer के लिए समर्थित कस्टम model_fn गाइड
नोट: hub.KerasLayer वर्ष tf.compat.v1.layers तरह ग्राफ संग्रह में भर नहीं या hub.Module एपीआई किया था।
पूरी तरह से समर्थित ( TF2 SavedModel ठीक करने गाइड पूरा )। या तो hub.load का उपयोग करें:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
या hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
सृष्टि TF2 एपीआई tf.saved_model.save () compat मोड के भीतर से कहा जा सकता है। पूरी तरह से समर्थित है (देखें पूरा TF2 SavedModel निर्माण गाइड )

[1] "TF1 Compat TF2 में मोड" के साथ TF2 आयात करने के संयुक्त प्रभाव को दर्शाता है import tensorflow.compat.v1 as tf और चल tf.disable_v2_behavior() में वर्णित के रूप TensorFlow माइग्रेशन मार्गदर्शिका