Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

compatibilità modello per TF1 / TF2

formati modello TF Hub

TF Hub offre pezzi modello riutilizzabile che può essere di nuovo caricato, costruito su, e, eventualmente, essere riqualificati in un programma tensorflow. Questi sono disponibili in due formati differenti:

Il formato del modello è disponibile sulla pagina del modello su tfhub.dev . Modello di carico / deduzione, messa a punto o la creazione potrebbero non essere supportati in TF1 / 2 in base ai formati modello.

Compatibilità del formato TF1 Hub

operazione Modalità TF1 / TF1 compat in TF2 [1] TF2
Caricamento / Inference Completamente supportato ( completo TF1 Hub guida formato loading )
m = hub.Module(handle)
outputs = m(inputs)
Si consiglia di utilizzare hub.load
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
o hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
Ritocchi Completamente supportato ( completo TF1 Hub guida formato regolazione fine )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
Nota: i moduli che non hanno bisogno di un treno separata grafico non hanno un tag treno.
Non supportato
Creazione Completamente supportato (vedi guida completa creazione formato TF1 Hub )
Nota: Il formato TF1 Hub è orientata verso TF1 ed è solo parzialmente supportato in TF2. Prendere in considerazione la creazione di un TF2 SavedModel.
Non supportato

Compatibilità di TF2 SavedModel

Non supportato prima di TF1.15.

operazione Modalità TF1.15 / TF1 compat in TF2 [1] TF2
Caricamento / Inference Utilizzare hub.load
m = hub.load(handle)
outputs = m(inputs)
o hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
Completamente supportato ( completa guida di caricamento TF2 SavedModel ). Utilizzare hub.load
m = hub.load(handle)
outputs = m(inputs)
o hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
Ritocchi Supportato per un hub.KerasLayer utilizzato in tf.keras.Model quando allenato con Model.fit () o addestrato in uno stimatore cui model_fn avvolge il modello per la guida model_fn personalizzato .
Nota: hub.KerasLayer non riempie in collezioni grafico come i vecchi tf.compat.v1.layers o hub.Module API ha fatto.
Completamente supportato ( completo TF2 SavedModel guida messa a punto ). Utilizzare hub.load:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
o hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
Creazione La TF2 API tf.saved_model.save () può essere chiamato dall'interno modalità compat. Completamente supportato (vedi guida completa creazione TF2 SavedModel )

[1] "modalità in TF2 TF1 compat" si riferisce all'effetto combinato di importazione TF2 con import tensorflow.compat.v1 as tf e funzionante tf.disable_v2_behavior() come descritto nella guida tensorflow migrazione .