TensorFlow Hub adalah gudang 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)
TensorFlow Hub adalah gudang 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.
-
Lihat panduan
Pelajari cara menggunakan TensorFlow Hub dan cara kerjanya. -
Lihat tutorial
Tutorial menunjukkan contoh menyeluruh menggunakan TensorFlow Hub. -
Lihat model
Temukan model TF, TFLite, dan TF.js terlatih untuk kasus penggunaan Anda.
Model
Temukan model terlatih dari komunitas TensorFlow di TFHub.dev
BERT
Lihat BERT untuk tugas NLP termasuk klasifikasi teks dan menjawab pertanyaan.
Deteksi objek
Gunakan model R-CNN Inception ResNet V2 640x640 Lebih Cepat untuk mendeteksi objek dalam gambar.
Perpindahan gaya
Transfer gaya satu gambar ke gambar lainnya menggunakan model transfer gaya gambar.
Pengklasifikasi makanan di perangkat
Gunakan model TFLite ini untuk mengklasifikasikan foto makanan di perangkat seluler.
Berita & pengumuman
Lihat blog kami untuk pengumuman lebih lanjut dan lihat pembaruan #TFHub terbaru di Twitter
TensorFlow Hub untuk Dampak Dunia Nyata di Google I/O
Pelajari bagaimana Anda dapat menggunakan TensorFlow Hub untuk membangun solusi ML dengan dampak nyata.
Solusi ML pada perangkat
Untuk menjelajahi solusi ML untuk aplikasi seluler dan web Anda termasuk TensorFlow Hub, kunjungi halaman machine learning Google di perangkat.
Mempermudah BERT dengan Model Prapemrosesan Dari TensorFlow Hub
TensorFlow Hub membuat BERT mudah digunakan dengan model prapemrosesan baru.
Dari nyanyian hingga partitur musik: Memperkirakan nada dengan SPICE dan Tensorflow Hub
Pelajari cara menggunakan model SPICE untuk secara otomatis mentranskripsikan lembaran musik dari audio langsung.
Masyarakat
Bergabunglah dengan komunitas TensorFlow Hub