Посетите симпозиум «Женщины в машинном обучении» 7 декабря Зарегистрируйтесь сейчас
Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.

TensorFlow Hub — это хранилище обученных моделей машинного обучения.

  !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 — это хранилище обученных моделей машинного обучения, готовых к тонкой настройке и развертыванию в любом месте. Повторно используйте обученные модели, такие как BERT и Faster R-CNN, всего несколькими строками кода.



Модели

Найдите обученные модели от сообщества TensorFlow на TFHub.dev.
Ознакомьтесь с BERT для задач НЛП, включая классификацию текста и ответы на вопросы.
Используйте модель Faster R-CNN Inception ResNet V2 640x640 для обнаружения объектов на изображениях.
Перенесите стиль одного изображения на другое, используя модель переноса стиля изображения.
Используйте эту модель TFLite для классификации фотографий еды на мобильном устройстве.



Новости и объявления

Загляните в наш блог , чтобы узнать больше объявлений, и просматривайте последние обновления #TFHub в Twitter.
Узнайте, как использовать TensorFlow Hub для создания решений машинного обучения с реальным влиянием.
Чтобы изучить решения машинного обучения для своих мобильных и веб-приложений, включая TensorFlow Hub, посетите страницу машинного обучения Google на устройстве.
TensorFlow Hub упрощает использование BERT с новыми моделями предварительной обработки.
Узнайте, как использовать модель SPICE для автоматической расшифровки нот из живого аудио.