فرمت های مدل

tfhub.dev قالب‌های مدل زیر را میزبانی می‌کند: TF2 SavedModel، قالب TF1 Hub، TF.js و TFLite. این صفحه نمای کلی هر قالب مدل را ارائه می دهد.

محتوای منتشر شده در tfhub.dev می‌تواند به‌طور خودکار به مرکز مدل‌های دیگر منعکس شود، مشروط بر اینکه از قالب مشخصی پیروی کند و طبق شرایط ما مجاز باشد ( https://tfhub.dev/terms ). برای جزئیات بیشتر به مستندات انتشار ما مراجعه کنید و اگر می‌خواهید از انعکاس منصرف شوید ، به اسناد مشارکت ما مراجعه کنید .

فرمت های TensorFlow

tfhub.dev میزبان مدل های TensorFlow در قالب TF2 SavedModel و TF1 Hub است. توصیه می کنیم در صورت امکان از مدل هایی در قالب استاندارد TF2 SavedModel به جای قالب منسوخ شده TF1 Hub استفاده کنید.

SavedModel

TF2 SavedModel فرمت توصیه شده برای به اشتراک گذاری مدل های TensorFlow است. می توانید در راهنمای TensorFlow SavedModel درباره قالب SavedModel اطلاعات بیشتری کسب کنید.

می توانید SavedModels را در tfhub.dev با استفاده از فیلتر نسخه TF2 در صفحه مرور tfhub.dev یا با دنبال کردن این پیوند مرور کنید.

شما می توانید از SavedModels از tfhub.dev بدون وابستگی به کتابخانه tensorflow_hub استفاده کنید، زیرا این قالب بخشی از هسته TensorFlow است.

درباره SavedModels در TF Hub بیشتر بیاموزید:

• استفاده از TF2 SavedModels
• صادر کردن یک TF2 SavedModel
• سازگاری TF1/TF2 TF2 SavedModels

فرمت هاب TF1

قالب TF1 Hub یک قالب سریال سازی سفارشی است که توسط کتابخانه TF Hub استفاده می شود. قالب TF1 Hub مشابه فرمت SavedModel TensorFlow 1 در سطح نحوی (همان نام فایل ها و پیام های پروتکل) است اما از نظر معنایی متفاوت است تا امکان استفاده مجدد، ترکیب و آموزش مجدد ماژول را فراهم کند (به عنوان مثال، ذخیره سازی متفاوت منابع اولیه، برچسب گذاری های مختلف قراردادهای متاگراف). ساده ترین راه برای تشخیص آنها روی دیسک وجود یا عدم وجود فایل tfhub_module.pb است.

می توانید با استفاده از فیلتر نسخه TF1 در صفحه مرور tfhub.dev یا با دنبال کردن این پیوند، مدل ها را در قالب TF1 Hub در tfhub.dev مرور کنید.

درباره مدل‌ها در قالب TF1 Hub در TF Hub بیشتر بدانید:

• استفاده از مدل های فرمت TF1 Hub
• صادرات یک مدل در قالب TF1 Hub
• سازگاری TF1/TF2 با فرمت TF1 Hub

فرمت TFLite

فرمت TFLite برای استنتاج روی دستگاه استفاده می شود. می توانید در اسناد TFLite اطلاعات بیشتری کسب کنید.

می توانید مدل های TF Lite را در tfhub.dev با استفاده از فیلتر قالب مدل TF Lite در صفحه مرور tfhub.dev یا با دنبال کردن این پیوند مرور کنید.

فرمت TFJS

فرمت TF.js برای ML درون مرورگر استفاده می شود. می توانید در اسناد TF.js اطلاعات بیشتری کسب کنید.

می توانید مدل های TF.js را در tfhub.dev با استفاده از فیلتر قالب مدل TF.js در صفحه مرور tfhub.dev یا با دنبال کردن این پیوند مرور کنید.