TensorFlow Hub は、トレーニング済みの機械学習モデルのリポジトリです。
!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 は、トレーニング済みの機械学習モデルのリポジトリであり、微調整が可能で、どこにでもデプロイできます。わずか数行のコードで、BERT や Faster R-CNN などのトレーニング済みモデルを再利用します。
-
ガイドを見る
TensorFlow Hub の使用方法とその仕組みについて学びます。 -
チュートリアルを見る
チュートリアルでは、TensorFlow Hub を使用したエンドツーエンドの例を示します。 -
モデルを見る
ユースケースに合わせてトレーニング済みの TF、TFLite、および TF.js モデルを見つけます。
モデル
TFHub.devの TensorFlow コミュニティからトレーニング済みモデルを見つけてください
バート
テキスト分類や質問応答などの NLP タスクについては、BERT を確認してください。
物体検出、物体検出
Faster R-CNN Inception ResNet V2 640x640 モデルを使用して、画像内のオブジェクトを検出します。
スタイルトランスファー
画像スタイル転送モデルを使用して、ある画像のスタイルを別の画像に転送します。
オンデバイス食品分類器
この TFLite モデルを使用して、モバイル デバイス上の食品の写真を分類します。
ニュースとお知らせ
詳細についてはブログをチェックし、 Twitter で最新の#TFHub の更新を確認してください。
Google I/O での実世界に影響を与える TensorFlow Hub
TensorFlow Hub を使用して、実世界に影響を与える ML ソリューションを構築する方法を学びます。
オンデバイス ML ソリューション
TensorFlow Hub を含むモバイル アプリやウェブ アプリ向けの ML ソリューションを調べるには、Google のオンデバイス機械学習ページにアクセスしてください。
TensorFlow Hub の前処理モデルで BERT をより簡単に
TensorFlow Hub は、BERT を新しい前処理モデルで簡単に使用できるようにします。
歌唱から楽譜まで: SPICE と Tensorflow Hub によるピッチの推定
SPICE モデルを使用して、ライブ オーディオから楽譜を自動的に書き起こす方法を学びます。
コミュニティ
TensorFlow Hub コミュニティに参加する