TensorFlow Hub est un référentiel de modèles de machine learning entraînés.
!pip install --upgrade tensorflow_hub import tensorflow_hub as hub model = hub.KerasLayer("https://tfhub.dev/google/nnlm-en-dim128/2") embeddings = model(["The rain in Spain.", "falls", "mainly", "In the plain!"]) print(embeddings.shape) #(4,128)
TensorFlow Hub est un référentiel de modèles de machine learning entraînés, prêts à être ajustés et déployables n'importe où. Réutilisez des modèles formés comme BERT et Faster R-CNN avec seulement quelques lignes de code.
-
Voir le guide
Découvrez comment utiliser TensorFlow Hub et son fonctionnement. -
Voir les tutoriels
Les didacticiels vous montrent des exemples de bout en bout utilisant TensorFlow Hub. -
Voir les modèles
Trouvez des modèles TF, TFLite et TF.js entraînés pour votre cas d'utilisation.
Des modèles
Trouvez des modèles formés de la communauté TensorFlow sur TFHub.dev
BERT
Découvrez BERT pour les tâches NLP, y compris la classification de texte et la réponse aux questions.
Détection d'objet, détection d'objet
Utilisez le modèle Faster R-CNN Inception ResNet V2 640x640 pour détecter des objets dans les images.
Transfert de style
Transférez le style d'une image à une autre à l'aide du modèle de transfert de style d'image.
Classificateur d'aliments sur l'appareil
Utilisez ce modèle TFLite pour classer les photos de nourriture sur un appareil mobile.
Nouvelles et annonces
Consultez notre blog pour plus d'annonces et consultez les dernières mises à jour #TFHub sur Twitter
Hub TensorFlow pour un impact réel sur Google I/O
Découvrez comment vous pouvez utiliser TensorFlow Hub pour créer des solutions de ML ayant un impact réel.
Solutions de ML sur appareil
Pour explorer les solutions de ML pour vos applications mobiles et Web, y compris TensorFlow Hub, visitez la page d'apprentissage automatique sur appareil de Google.
Faciliter le BERT avec les modèles de prétraitement de TensorFlow Hub
TensorFlow Hub simplifie l'utilisation de BERT avec de nouveaux modèles de prétraitement.
Du chant aux partitions musicales : estimer la hauteur avec SPICE et Tensorflow Hub
Apprenez à utiliser le modèle SPICE pour transcrire automatiquement des partitions à partir d'audio en direct.
Communauté
Rejoignez la communauté TensorFlow Hub