หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

TensorFlow Hub เป็นที่เก็บโมเดลการเรียนรู้ของเครื่องที่ผ่านการฝึกอบรม

  !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 เป็นที่เก็บโมเดลแมชชีนเลิร์นนิงที่ได้รับการฝึกฝนพร้อมสำหรับการปรับแต่งและปรับใช้ได้ทุกที่ นำโมเดลที่ผ่านการฝึกอบรมมาใช้ซ้ำเช่น BERT และ Faster R-CNN ด้วยโค้ดเพียงไม่กี่บรรทัด
  • เรียนรู้เกี่ยวกับวิธีใช้ TensorFlow Hub และวิธีการทำงาน
  • บทแนะนำจะแสดงตัวอย่างแบบ end-to-end โดยใช้ TensorFlow Hub
  • ค้นหารุ่น TF, TFLite และ TF.js ที่ผ่านการฝึกอบรมสำหรับกรณีการใช้งานของคุณ



โมเดล

ค้นหาโมเดลที่ผ่านการฝึกอบรมจากชุมชน TensorFlow บน tfhub.dev
ตรวจสอบ BERT สำหรับงาน NLP รวมถึงการจัดประเภทข้อความและการตอบคำถาม
ใช้โมเดล R-CNN Inception ResNet V2 640x640 ที่เร็วขึ้นสำหรับการตรวจจับวัตถุในภาพ
ถ่ายโอนสไตล์ของภาพหนึ่งไปยังอีกภาพหนึ่งโดยใช้รูปแบบการถ่ายโอนสไตล์ภาพ
ใช้แบบจำลอง TFLite นี้เพื่อจัดประเภทรูปภาพของอาหารบนอุปกรณ์พกพา



ข่าวและประกาศ

ตรวจสอบ บล็อกของเรา สำหรับประกาศเพิ่มเติมและดูการ อัปเดต #TFHub ล่าสุดบน Twitter
เรียนรู้วิธีใช้โมเดล SPICE เพื่อถอดเสียงแผ่นเพลงโดยอัตโนมัติจากเสียงสด
ใช้แบบจำลอง BiT สำหรับการฝึกอบรมตัวแยกประเภทรูปภาพที่กำหนดเองที่ล้ำสมัย
เรียนรู้เกี่ยวกับวิธีใช้ TensorFlow Hub เพื่อค้นหารุ่นสำหรับกรณีการใช้งานของคุณ