Merken Sie den Termin vor! Google I / O kehrt vom 18. bis 20. Mai zurück Registrieren Sie sich jetzt
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

TensorFlow Hub ist ein Repository für geschulte Modelle für maschinelles Lernen.

  !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 ist ein Repository mit geschulten Modellen für maschinelles Lernen, die zur Feinabstimmung bereit und überall einsetzbar sind. Verwenden Sie trainierte Modelle wie BERT und Faster R-CNN mit nur wenigen Codezeilen wieder.



Modelle

Auf TFHub.dev finden Sie geschulte Modelle aus der TensorFlow-Community
Schauen Sie sich BERT für NLP-Aufgaben an, einschließlich Textklassifizierung und Beantwortung von Fragen.
Verwenden Sie das Modell Faster R-CNN Inception ResNet V2 640x640, um Objekte in Bildern zu erkennen.
Übertragen Sie den Stil eines Bildes mithilfe des Bildstil-Übertragungsmodells auf ein anderes.
Verwenden Sie dieses TFLite-Modell, um Fotos von Lebensmitteln auf einem mobilen Gerät zu klassifizieren.



Nachrichten & Ankündigungen

Weitere Ankündigungen finden Sie in unserem Blog. Die neuesten # TFHub-Updates finden Sie auf Twitter
TensorFlow Hub vereinfacht die Verwendung von BERT mit neuen Vorverarbeitungsmodellen.
Erfahren Sie, wie Sie mit dem SPICE-Modell automatisch Noten aus Live-Audio transkribieren.
Verwenden Sie das BiT-Modell, um hochmoderne benutzerdefinierte Bildklassifizierer zu trainieren.
Erfahren Sie, wie Sie mit TensorFlow Hub Modelle für Ihren Anwendungsfall finden.