TensorFlow Hub مخزنی از مدلهای آموزش ماشین یادگیری است.

  !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 مخزنی از مدل های آموزش ماشین یادگیری است که برای تنظیم دقیق آماده شده و در هر مکانی قابل استفاده است. فقط با چند خط کد از مدلهای آموزش دیده مانند BERT و Faster R-CNN استفاده مجدد کنید.



مدل ها

مدل های آموزش دیده از انجمن TensorFlow را در TFHub.dev پیدا کنید
BERT را برای کارهای NLP از جمله طبقه بندی متن و پاسخ به سال بررسی کنید.
برای تشخیص اشیا در تصاویر از مدل Faster R-CNN Inception ResNet V2 640x640 استفاده کنید.
با استفاده از مدل انتقال سبک تصویر ، سبک یک تصویر را به تصویر دیگر منتقل کنید.
از این مدل TFLite برای طبقه بندی عکس های مواد غذایی در یک دستگاه تلفن همراه استفاده کنید.



اخبار و اطلاعیه ها

برای اعلامیه های بیشتر وبلاگ ما را ببینید و آخرین به روزرسانی های #TFHub را در توییتر مشاهده کنید
بیاموزید که چگونه می توانید از TensorFlow Hub برای ساختن راه حل های ML با تأثیر دنیای واقعی استفاده کنید.
برای کاوش در راه حل های ML برای برنامه های تلفن همراه و وب خود از جمله TensorFlow Hub ، به صفحه یادگیری ماشین در دستگاه Google مراجعه کنید.
TensorFlow Hub استفاده از BERT را با مدلهای جدید پیش پردازش ساده می کند.
بیاموزید که چگونه از مدل SPICE برای رونویسی خودکار موسیقی نت از صدای زنده استفاده کنید.