หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

รุ่นเข้ากันได้สำหรับ TF1 / TF2

TF Hub รูปแบบรูปแบบ

TF Hub มีชิ้นรูปแบบนำมาใช้ใหม่ที่สามารถจะกลับมาโหลดสร้างขึ้นและอาจจะได้รับการฝึกอบรมในโปรแกรม TensorFlow เหล่านี้มาในสองรูปแบบที่แตกต่างกัน

  • กำหนดเอง รูปแบบ TF1 Hub ใช้ได้ตามประสงค์หลักอยู่ใน TF1 (หรือ TF1 โหมดความเข้ากันได้ใน TF2) ผ่านทาง hub.Module API รายละเอียดการทำงานร่วมกันแบบเต็ม ด้านล่าง
  • พื้นเมือง TF2 SavedModel รูปแบบ ใช้ได้ตามประสงค์หลักอยู่ใน TF2 ผ่าน hub.load และ hub.KerasLayer APIs รายละเอียดการทำงานร่วมกันแบบเต็ม ด้านล่าง

รูปแบบรูปแบบที่สามารถพบได้บนหน้ารูปแบบใน tfhub.dev รุ่นโหลด / อนุมานปรับจูนหรือสร้างอาจจะไม่ได้รับการสนับสนุนใน TF1 / 2 ขึ้นอยู่กับรูปแบบรูปแบบ

ความเข้ากันได้ของรูปแบบ TF1 Hub

การทำงาน TF1 / TF1 โหมด compat ใน TF2 [1] TF2
กำลังโหลดรูปภาพ / อนุมาน การสนับสนุนอย่างเต็มที่ ( ฉบับสมบูรณ์คู่มือรูปแบบโหลด TF1 Hub )
m = hub.Module(handle)
outputs = m(inputs)
ก็แนะนำให้ใช้ hub.load อย่างใดอย่างหนึ่ง
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
หรือ hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
ปรับจูน การสนับสนุนอย่างเต็มที่ ( ฉบับสมบูรณ์คู่มือรูปแบบการปรับจูน TF1 Hub )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
หมายเหตุ: โมดูลที่ไม่จำเป็นต้องมีกราฟรถไฟที่แยกจากกันไม่ได้มีแท็กรถไฟ
ได้รับการสนับสนุน
การสร้าง การสนับสนุนอย่างเต็มที่ (ดู สมบูรณ์ TF1 Hub คู่มือการสร้างรูปแบบ )
หมายเหตุ: รูปแบบ TF1 Hub จะมุ่งสู่การ TF1 และเป็นเพียงการสนับสนุนเพียงบางส่วนใน TF2 ลองสร้าง TF2 SavedModel
ได้รับการสนับสนุน

ความเข้ากันได้ของ TF2 SavedModel

ก่อนที่จะได้รับการสนับสนุน TF1.15

การทำงาน TF1.15 / TF1 โหมด compat ใน TF2 [1] TF2
กำลังโหลดรูปภาพ / อนุมาน ใช้ hub.load อย่างใดอย่างหนึ่ง
m = hub.load(handle)
outputs = m(inputs)
หรือ hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
การสนับสนุนอย่างเต็มที่ ( ฉบับสมบูรณ์คู่มือโหลด TF2 SavedModel ) ใช้ hub.load อย่างใดอย่างหนึ่ง
m = hub.load(handle)
outputs = m(inputs)
หรือ hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
ปรับจูน การสนับสนุนสำหรับการ hub.KerasLayer ที่ใช้ในการ tf.keras.Model เมื่อผ่านการฝึกอบรมกับ Model.fit () หรือผ่านการฝึกอบรมในประมาณการที่มี model_fn wraps รุ่นต่อ คู่มือ model_fn ที่กำหนดเอง
หมายเหตุ: hub.KerasLayer ไม่ได้กรอกข้อมูลลงในคอลเลกชันของกราฟเช่น tf.compat.v1.layers เก่าหรือ APIs hub.Module ได้
การสนับสนุนอย่างเต็มที่ ( ฉบับสมบูรณ์คู่มือการปรับจูน TF2 SavedModel ) ใช้ hub.load อย่างใดอย่างหนึ่ง
m = hub.load(handle)
outputs = m(inputs, training=is_training)
หรือ hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
การสร้าง TF2 API tf.saved_model.save () สามารถเรียกจากภายในโหมด compat การสนับสนุนอย่างเต็มที่ (ดู สมบูรณ์คู่มือการสร้าง TF2 SavedModel )

[1] "TF1 โหมด compat ใน TF2" หมายถึงผลรวมของการนำเข้า TF2 กับ import tensorflow.compat.v1 as tf และทำงาน tf.disable_v2_behavior() ที่อธิบายไว้ใน คู่มือ TensorFlow โยกย้าย