Assistez au symposium Women in ML le 7 décembre Inscrivez-vous maintenant
Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

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.
  • Découvrez comment utiliser TensorFlow Hub et son fonctionnement.
  • Les didacticiels vous montrent des exemples de bout en bout utilisant TensorFlow Hub.
  • 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
Découvrez BERT pour les tâches NLP, y compris la classification de texte et la réponse aux questions.
Utilisez le modèle Faster R-CNN Inception ResNet V2 640x640 pour détecter des objets dans les images.
Transférez le style d'une image à une autre à l'aide du modèle de transfert de style d'image.
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
Découvrez comment vous pouvez utiliser TensorFlow Hub pour créer des solutions de ML ayant un impact réel.
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.
TensorFlow Hub simplifie l'utilisation de BERT avec de nouveaux modèles de prétraitement.
Apprenez à utiliser le modèle SPICE pour transcrire automatiquement des partitions à partir d'audio en direct.