TensorFlow Hub は、トレーニング済み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、すぐに微調整してどこにでもデプロイ可能なトレーニング済み機械学習モデルのリポジトリです。BERT や Faster R-CNN などのトレーニング済みモデルを、わずか数行のコードで再利用できます。
-
ガイドを見る
TensorFlow Hub の使用方法と仕組みについて学習します。 -
チュートリアルを見る
TensorFlow Hub を使用したエンドツーエンドの例を紹介するチュートリアルです。 -
モデルを見る
ユースケースに適したトレーニング済み TF、TFLite、TF.js のモデルを見つけます。
モデル
TFHub.dev の TensorFlow コミュニティでトレーニング済みモデルが見つかります
BERT
テキスト分類や質問回答などの NLP タスクを処理するための BERT を学びます。
オブジェクト検出
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。
画風変換
画風変換モデルを使用して画像のスタイルを変換します。
デバイス上での食品分類
TFLite モデルを使用して、モバイル デバイス上で食品の写真を分類します。
ニュースとお知らせ
その他のお知らせについてはブログで、最新の #TFHub 更新情報については Twitter でご確認いただけます
TensorFlow Hub の前処理モデルによる BERT 利用の容易化
TensorFlow Hub の新しい前処理モデルにより、BERT の利用が容易になります。
歌から楽譜を作成: SPICE と Tensorflow Hub を使用した音高の推定
SPICE モデルを使用して自動的にライブ音声を楽譜にする方法について学びます。
BigTransfer(BiT): コンピュータ ビジョン用の最先端の転移学習
BiT モデルを使用して最先端のカスタム画像分類をトレーニングします。
Dev Summit での TensorFlow Hub に関するプレゼンテーション
TensorFlow Hub を使用してユースケースに適したモデルを見つける方法を学習します。
コミュニティ
TensorFlow Hub コミュニティに参加する