此页面由 Cloud Translation API 翻译。
Switch to English

对于TF1 / TF2模型兼容性

TF枢纽模型格式

TF集线器提供可重复使用的模型,这件被装回,在建,并在TensorFlow程序可能会被重新培训。这有两种不同的格式:

该模型格式可以在模型页面上找到tfhub.dev 。型号装载/推论微调创作可能无法在TF1 / 2基于该模型格式的支持。

在TF1枢纽格式的兼容性

手术 TF1 / TF1在TF2 COMPAT模式[1] TF2
加载/推理完全支持( 完整TF1枢纽格式装载导向
m = hub.Module(handle)
outputs = m(inputs)
它建议使用两种hub.load
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
或hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
微调完全支持( 完整TF1枢纽格式微调指南
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
注意:不需要一个单独的列车运行图没有火车标签模块。
不支持
创建完全支持(见完整TF1枢纽格式创建指南
注:TF1枢纽格式是面向TF1和在TF2仅部分支持。考虑创建一个TF2 SavedModel。
不支持

TF2 SavedModel的兼容性

TF1.15之前不支持。

手术 TF1.15 / TF1在TF2 COMPAT模式[1] TF2
加载/推理二者必选其一hub.load
m = hub.load(handle)
outputs = m(inputs)
或hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
完全支持( 完整TF2 SavedModel装载导向 )。二者必选其一hub.load
m = hub.load(handle)
outputs = m(inputs)
或hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
微调支持当与Model.fit训练()或在估算其model_fn每包装了模型训练中tf.keras.Model使用hub.KerasLayer 定制model_fn导向
注:hub.KerasLayer 图收藏填补像老tf.compat.v1.layers或hub.Module的API做了。
完全支持( 完整TF2 SavedModel微调指南 )。二者必选其一hub.load:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
或hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
创建的TF2 API tf.saved_model.save()可从兼容模式中被调用。 完全支持(见完整TF2 SavedModel创建指南

[1]“TF1 COMPAT在TF2模式”是指与进口TF2的组合效果import tensorflow.compat.v1 as tf和运行tf.disable_v2_behavior()作为中所述TensorFlow迁移导向