Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

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 репозиторий обученных моделей машинного обучения, готовых к тонкой настройке и развертываемых где угодно. Повторно используйте обученные модели, такие как BERT и Faster R-CNN, с помощью всего нескольких строк кода.



Модели

Найти подготовленные модели от TensorFlow сообщества 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 анонсы

Проверьте наш блог для большего количества объявлений и просматривать последние обновления #TFHub на Twitter
Узнайте, как использовать TensorFlow Hub для создания решений машинного обучения с реальным влиянием.
Чтобы изучить решения машинного обучения для 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 звука.