本頁面由 Cloud Translation API 翻譯而成。
Switch to English

對於TF1 / TF2模型兼容性

TF樞紐模型格式

TF集線器提供可重複使用的模型,這件被裝回,在建,並在TensorFlow程序可能會被重新培訓。這有兩種不同的格式:

該模型格式可以在模型頁面上找到tfhub.dev 。型號裝載/推論微調創作可能無法在TF1 / 2基於該模型格式的支持。

在TF1樞紐格式的兼容性

手術 TF1 / TF1在TF2 COMPAT模式[1] TF2
加載/推理完全支持( 完整TF1樞紐格式裝載導向
m = hub.Module(handle)
outputs = m(inputs)
它建議使用兩種hub.load
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
或hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
微調完全支持( 完整TF1樞紐格式微調指南
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
注意:不需要一個單獨的列車運行圖沒有火車標籤模塊。
不支持
創建完全支持(見完整TF1樞紐格式創建指南
注:TF1樞紐格式是面向TF1和在TF2僅部分支持。考慮創建一個TF2 SavedModel。
不支持

TF2 SavedModel的兼容性

TF1.15之前不支持。

手術 TF1.15 / TF1在TF2 COMPAT模式[1] TF2
加載/推理二者必選其一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裝載導向 )。二者必選其一hub.load
m = hub.load(handle)
outputs = m(inputs)
或hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
微調支持當與Model.fit訓練()或在估算其model_fn每包裝了模型訓練中tf.keras.Model使用hub.KerasLayer 定制model_fn導向
注:hub.KerasLayer 圖收藏填補像老tf.compat.v1.layers或hub.Module的API做了。
完全支持( 完整TF2 SavedModel微調指南 )。二者必選其一hub.load:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
或hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
創建的TF2 API tf.saved_model.save()可從兼容模式中被調用。 完全支持(見完整TF2 SavedModel創建指南

[1]“TF1 COMPAT在TF2模式”是指與進口TF2的組合效果import tensorflow.compat.v1 as tf和運行tf.disable_v2_behavior()作為中所述TensorFlow遷移導向