Weź udział w sympozjum Women in ML 7 grudnia Zarejestruj się teraz
Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

TensorFlow Hub to repozytorium wytrenowanych modeli uczenia maszynowego.

  !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 to repozytorium przeszkolonych modeli uczenia maszynowego, gotowych do dostrojenia i wdrożenia w dowolnym miejscu. Ponownie wykorzystaj wytrenowane modele, takie jak BERT i Faster R-CNN, za pomocą zaledwie kilku linijek kodu.



Modele

Znajdź wyszkolone modele od społeczności TensorFlow na TFHub.dev
Sprawdź BERT dla zadań NLP, w tym klasyfikację tekstu i odpowiadanie na pytania.
Użyj modelu Faster R-CNN Inception ResNet V2 640x640 do wykrywania obiektów na obrazach.
Przenieś styl jednego obrazu do drugiego za pomocą modelu przenoszenia stylu obrazu.
Użyj tego modelu TFLite, aby sklasyfikować zdjęcia jedzenia na urządzeniu mobilnym.



Nowości i ogłoszenia

Sprawdź nasz blog , aby uzyskać więcej ogłoszeń i zobacz najnowsze aktualizacje #TFHub na Twitterze
Dowiedz się, jak wykorzystać TensorFlow Hub do tworzenia rozwiązań ML o rzeczywistym wpływie.
Aby poznać rozwiązania ML dla aplikacji mobilnych i internetowych, w tym TensorFlow Hub, odwiedź stronę Google dotyczącą uczenia maszynowego na urządzeniu.
TensorFlow Hub sprawia, że ​​BERT jest łatwy w użyciu z nowymi modelami przetwarzania wstępnego.
Dowiedz się, jak używać modelu SPICE do automatycznej transkrypcji nut z dźwięku na żywo.