このページは Cloud Translation API によって翻訳されました。
Switch to English

TF1 / TF2のモデルとの互換性

TFハブモデルフォーマット

TFハブは、ロードされた時に内蔵されているバック、そしておそらくTensorFlowプログラムに再訓練することができ、再利用可能なモデルの作品を提供しています。これらは、二つの異なるフォーマットで来ます:

モデル形式は、上のモデルのページにありますtfhub.dev 。モデルのロード/推論微調整または作成は、モデルの形式に基づいてTF1 / 2でサポートされない場合があります。

TF1ハブ形式の互換性

操作 TF1 / TF1はTF2モードを互換モードの[1] TF2
ロード/推論完全にサポート( 完全TF1ハブ形式の読み込みガイド
m = hub.Module(handle)
outputs = m(inputs)
どちらかhub.loadを使用することをお勧めします
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
またはhub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
微調整完全にサポート( 完全TF1ハブ形式のファインチューニングガイド
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
注:別の列車のグラフを必要としないモジュールは、列車のタグがありません。
サポートされていません
創造完全にサポートされています( 完全TF1ハブ形式の作成ガイドを
注:TF1ハブフォーマットはTF1を目指していると、部分的にしかTF2でサポートされています。 TF2 SavedModelを作成することを検討してください。
サポートされていません

TF2 SavedModelの互換性

TF1.15前にサポートされていません。

操作 TF1.15 / TF1はTF2モードを互換モードの[1] TF2
ロード/推論どちらかhub.loadを使用します
m = hub.load(handle)
outputs = m(inputs)
またはhub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
完全(サポート完全TF2 SavedModelローディングガイド )。どちらかhub.loadを使用します
m = hub.load(handle)
outputs = m(inputs)
またはhub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
微調整 Model.fitで訓練を受けた()またはそのmodel_fnごとにモデルをラップ見積もりで訓練を受けた際にtf.keras.Modelで使用hub.KerasLayerためにサポートされているカスタムmodel_fnガイド
注:古いtf.compat.v1.layersまたはhub.Module APIが行ったようhub.KerasLayerは、グラフコレクションで記入していません
完全(サポート完全TF2 SavedModel微調整ガイドを )。どちらかhub.loadを使用します。
m = hub.load(handle)
outputs = m(inputs, training=is_training)
またはhub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
創造 TF2のAPIのtf.saved_model.save()は互換モードの中から呼び出すことができます。 完全にサポートされています( 完全なTF2 SavedModel作成ガイド

[1]「TF1はTF2モードを互換モードの」とTF2をインポートの複合効果を意味import tensorflow.compat.v1 as tfと実行tf.disable_v2_behavior()で説明したようにTensorFlow移行ガイド