12 月 7 日の Women in ML シンポジウムに参加する今すぐ登録する
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。
  • TensorFlow Hub の使用方法とその仕組みについて学びます。
  • チュートリアルでは、TensorFlow Hub を使用したエンドツーエンドの例を示します。
  • 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
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。
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。
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。
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。



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。
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。
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。
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。