Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

kompatibilitas model untuk TF1 / TF2

format model TF Hub

TF Hub menawarkan potongan model dapat digunakan kembali yang dapat dimuat kembali, dibangun di atas, dan mungkin dilatih ulang dalam program TensorFlow. Ini datang dalam dua format yang berbeda:

Format model dapat ditemukan di halaman model di tfhub.dev . Model loading / inferensi, fine-tuning atau penciptaan mungkin tidak didukung di TF1 / 2 didasarkan pada format model.

Kompatibilitas format TF1 Hub

Operasi TF1 / TF1 mode compat di TF2 [1] TF2
Loading / Inference Sepenuhnya didukung ( lengkap TF1 Hub format loading panduan )
m = hub.Module(handle)
outputs = m(inputs)
Ini dianjurkan untuk menggunakan baik hub.load
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
atau hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
Mencari setelan Sepenuhnya didukung ( lengkap TF1 Hub panduan format fine-tuning )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
Catatan: modul yang tidak perlu kereta terpisah grafik tidak memiliki tag kereta.
Tidak didukung
Penciptaan Sepenuhnya didukung (lihat lengkap TF1 Hub panduan pembuatan format )
Catatan: Format TF1 Hub diarahkan TF1 dan hanya sebagian didukung di TF2. Mempertimbangkan untuk membuat TF2 SavedModel.
Tidak didukung

Kompatibilitas TF2 SavedModel

Tidak didukung sebelum TF1.15.

Operasi TF1.15 / TF1 mode compat di TF2 [1] TF2
Loading / Inference Gunakan baik hub.load
m = hub.load(handle)
outputs = m(inputs)
atau hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
Sepenuhnya didukung ( lengkap TF2 SavedModel loading panduan ). Gunakan baik hub.load
m = hub.load(handle)
outputs = m(inputs)
atau hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
Mencari setelan Didukung untuk hub.KerasLayer digunakan dalam tf.keras.Model ketika dilatih dengan Model.fit () atau dilatih dalam Pengukur yang model_fn membungkus Model per panduan model_fn custom .
Catatan: hub.KerasLayer tidak mengisi koleksi grafik seperti tf.compat.v1.layers tua atau hub.Module API lakukan.
Sepenuhnya didukung ( lengkap TF2 SavedModel panduan fine-tuning ). Gunakan baik hub.load:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
atau hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
Penciptaan The TF2 API tf.saved_model.save () dapat dipanggil dari dalam mode compat. Sepenuhnya didukung (lihat lengkap panduan pembuatan TF2 SavedModel )

[1] "TF1 mode di TF2 compat" mengacu pada efek gabungan dari mengimpor TF2 dengan import tensorflow.compat.v1 as tf dan berjalan tf.disable_v2_behavior() seperti yang dijelaskan dalam panduan TensorFlow Migrasi .