コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

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。
モデルを参照してください

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。
モデルを参照してください

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。
モデルを参照してください

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。
モデルを参照してください


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。
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。
ビデオ
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。
サイトに
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。
ブログを読む
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。
ブログを読む


コミュニティ

TensorFlow Hub コミュニティに参加する
訓練されたモデルを