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

Compatibilità del modello per TF1 / TF2

Formati del modello TF Hub

TF Hub offre pezzi di modello riutilizzabili che possono essere ricaricati, costruiti ed eventualmente riqualificati in un programma TensorFlow. Questi sono disponibili in due diversi formati:

Il formato del modello è disponibile nella pagina del modello su tfhub.dev . Il caricamento / inferenza del modello, l'ottimizzazione o la creazione potrebbero non essere supportati in TF1 / 2 in base ai formati del modello.

Compatibilità del formato Hub TF1

Operazione Modalità compatibilità TF1 / TF1 in TF2 [1] TF2
Caricamento / inferenza Completamente supportato (guida completa al caricamento del formato Hub TF1 )
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 (guida completa alla messa a punto del formato Hub TF1 )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
Nota: i moduli che non richiedono un grafico del treno separato non hanno un tag del treno.
Non supportato
Creazione Completamente supportato (vedere la guida completa alla creazione del formato Hub TF1 )
Nota: il formato Hub TF1 è orientato verso TF1 ed è supportato solo parzialmente in TF2. Considera l'idea di creare un TF2 SavedModel.
Non supportato

Compatibilità di TF2 SavedModel

Non supportato prima di TF1.15.

Operazione Modalità compatibilità TF1.15 / TF1 in TF2 [1] TF2
Caricamento / inferenza Utilizza hub.load
m = hub.load(handle)
outputs = m(inputs)
o hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
Completamente supportato (guida completa al caricamento di TF2 SavedModel ). Utilizza 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 addestrato con Model.fit () o addestrato in un Estimator il cui model_fn avvolge il modello secondo la guida model_fn personalizzata .
Nota: hub.KerasLayer non riempie le raccolte di grafici come le vecchie API tf.compat.v1.layers o hub.Module.
Completamente supportato (guida completa alla messa a punto di TF2 SavedModel ). Utilizza 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 L'API TF2 tf.saved_model.save () può essere chiamata dalla modalità compat. Completamente supportato (vedi la guida completa alla creazione di TF2 SavedModel )

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