tfhub.dev obsługuje następujące formaty modeli: TF2 SavedModel, format TF1 Hub, TF.js i TFLite. Na tej stronie znajduje się przegląd każdego formatu modelu.
Treści opublikowane na tfhub.dev mogą być automatycznie odzwierciedlane w innych centrach modeli, pod warunkiem, że mają określony format i są dozwolone w naszych Warunkach ( https://tfhub.dev/terms ). Więcej szczegółów można znaleźć w naszej dokumentacji wydawniczej oraz w dokumentacji dotyczącej wkładu, jeśli chcesz zrezygnować z tworzenia kopii lustrzanych.
Formaty TensorFlow
tfhub.dev obsługuje modele TensorFlow w formacie TF2 SavedModel i TF1 Hub. Jeśli to możliwe, zalecamy używanie modeli w znormalizowanym formacie TF2 SavedModel zamiast przestarzałego formatu TF1 Hub.
ZapisanyModel
TF2 SavedModel to zalecany format udostępniania modeli TensorFlow. Możesz dowiedzieć się więcej o formacie SavedModel w przewodniku TensorFlow SavedModel .
Możesz przeglądać SavedModels na tfhub.dev, używając filtra wersji TF2 na stronie przeglądania tfhub.dev lub klikając ten link .
Możesz używać SavedModels z tfhub.dev bez zależności od biblioteki tensorflow_hub , ponieważ ten format jest częścią rdzenia TensorFlow.
Dowiedz się więcej o SavedModels w TF Hub:
- Używanie zapisanych modeli TF2
- Eksportowanie zapisanego modelu TF2
- Zgodność zapisanych modeli TF1/TF2 z TF2
Format koncentratora TF1
Format TF1 Hub to niestandardowy format serializacji używany w bibliotece TF Hub. Format TF1 Hub jest podobny do formatu SavedModel TensorFlow 1 na poziomie syntaktycznym (te same nazwy plików i komunikaty protokołu), ale różni się semantycznie, aby umożliwić ponowne użycie modułu, kompozycję i ponowne szkolenie (np. inne przechowywanie inicjatorów zasobów, inne tagowanie konwencje metagrafów). Najłatwiejszym sposobem rozróżnienia ich na dysku jest obecność lub brak pliku tfhub_module.pb .
Możesz przeglądać modele w formacie TF1 Hub na tfhub.dev, korzystając z filtra wersji TF1 na stronie przeglądania tfhub.dev lub klikając ten link .
Dowiedz się więcej o modelach w formacie TF1 Hub na TF Hub:
- Korzystanie z modeli w formacie TF1 Hub
- Eksport modelu w formacie TF1 Hub
- Zgodność TF1/TF2 z formatem TF1 Hub
formacie TFLite
Do wnioskowania na urządzeniu używany jest format TFLite. Więcej informacji znajdziesz w dokumentacji TFLite .
Możesz przeglądać modele TF Lite na tfhub.dev, korzystając z filtra formatu modelu TF Lite na stronie przeglądania tfhub.dev lub klikając ten link .
w formacie TFJS
W przypadku uczenia maszynowego w przeglądarce używany jest format TF.js. Więcej informacji znajdziesz w dokumentacji TF.js.
Możesz przeglądać modele TF.js na tfhub.dev, korzystając z filtra formatu modelu TF.js na stronie przeglądania tfhub.dev lub klikając ten link .