Punya pertanyaan? Terhubung dengan komunitas di Forum Kunjungan TensorFlow Forum

TensorFlow Hub adalah repositori model pembelajaran mesin terlatih.

  !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)
.dll
TensorFlow Hub adalah repositori model pembelajaran mesin terlatih yang siap untuk disesuaikan dan dapat diterapkan di mana saja. Gunakan kembali model terlatih seperti BERT dan Faster R-CNN hanya dengan beberapa baris kode.
  • Pelajari tentang cara menggunakan TensorFlow Hub dan cara kerjanya.
  • Tutorial menunjukkan kepada Anda contoh ujung ke ujung menggunakan TensorFlow Hub.
  • Temukan model TF, TFLite, dan TF.js yang terlatih untuk kasus penggunaan Anda.



Model

Temukan model terlatih dari komunitas TensorFlow di TFHub.dev
Lihat BERT untuk tugas NLP termasuk klasifikasi teks dan menjawab pertanyaan.
Gunakan model Faster R-CNN Inception ResNet V2 640x640 untuk mendeteksi objek dalam gambar.
Transfer gaya dari satu gambar ke gambar lainnya menggunakan model transfer gaya gambar.
Gunakan model TFLite ini untuk mengklasifikasikan foto makanan di perangkat seluler.



Berita & pengumuman

Kunjungi blog kami untuk pengumuman lebih lanjut dan lihat pembaruan #TFHub terbaru di Twitter
Pelajari cara menggunakan TensorFlow Hub untuk membuat solusi ML dengan dampak dunia nyata.
Untuk mempelajari solusi ML untuk aplikasi seluler dan web Anda termasuk TensorFlow Hub, kunjungi halaman machine learning di perangkat Google.
TensorFlow Hub membuat BERT mudah digunakan dengan model praproses baru.
Pelajari cara menggunakan model SPICE untuk secara otomatis mentranskripsikan partitur musik dari audio live.