ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

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 เป็นพื้นที่เก็บข้อมูลของโมเดลการเรียนรู้ของเครื่องที่ผ่านการฝึกอบรมซึ่งพร้อมสำหรับการปรับแต่งอย่างละเอียดและปรับใช้ได้ทุกที่ นำแบบจำลองที่ผ่านการฝึกอบรมมาใช้ซ้ำ เช่น BERT และ Faster R-CNN ด้วยโค้ดเพียงไม่กี่บรรทัด
  • เรียนรู้เกี่ยวกับวิธีใช้ TensorFlow Hub และวิธีการทำงาน
  • บทช่วยสอนจะแสดงตัวอย่างตั้งแต่ต้นจนจบโดยใช้ TensorFlow Hub
  • ค้นหารุ่น TF, TFLite และ TF.js ที่ผ่านการฝึกอบรมสำหรับกรณีการใช้งานของคุณ



โมเดล

หารูปแบบการฝึกอบรมจากชุมชน TensorFlow บน TFHub.dev
ตรวจสอบ BERT สำหรับงาน NLP รวมถึงการจัดประเภทข้อความและการตอบคำถาม
ใช้โมเดล Faster R-CNN Inception ResNet V2 640x640 สำหรับการตรวจจับวัตถุในรูปภาพ
โอนรูปแบบของภาพหนึ่งไปยังอีกภาพหนึ่งโดยใช้รูปแบบการโอนรูปแบบภาพ
ใช้รุ่น TFLite นี้เพื่อจำแนกภาพถ่ายอาหารบนอุปกรณ์พกพา



ข่าวและประกาศ

ตรวจสอบ บล็อกของเรา สำหรับการประกาศมากขึ้นและดูล่าสุด การปรับปรุง #TFHub บนทวิตเตอร์
เรียนรู้วิธีที่คุณสามารถใช้ TensorFlow Hub เพื่อสร้างโซลูชัน ML ที่มีผลกระทบในโลกแห่งความเป็นจริง
หากต้องการสำรวจโซลูชัน ML สำหรับแอปมือถือและเว็บของคุณ รวมถึง TensorFlow Hub โปรดไปที่หน้าการเรียนรู้ของเครื่องในอุปกรณ์ของ Google
TensorFlow Hub ทำให้ BERT ใช้งานได้ง่ายกับโมเดลการประมวลผลล่วงหน้าแบบใหม่
เรียนรู้วิธีใช้โมเดล SPICE เพื่อถอดเสียงโน้ตเพลงจากเสียงสดโดยอัตโนมัติ