Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Perkenalan
TensorFlow Hub menghosting model untuk berbagai tugas. Model untuk tugas yang sama didorong untuk mengimplementasikan API umum sehingga konsumen model dapat dengan mudah menukarkannya tanpa mengubah kode yang menggunakannya, meskipun model tersebut berasal dari penerbit yang berbeda.
Tujuannya adalah membuat pertukaran model berbeda untuk tugas yang sama semudah mengganti hyperparameter bernilai string. Dengan demikian, konsumen model dapat dengan mudah menemukan solusi terbaik untuk permasalahannya.
SavedModel yang dapat digunakan kembali: landasan bersama
Reusable SavedModel API mendefinisikan konvensi umum tentang cara memuat kembali SavedModel ke dalam program Python dan menggunakannya kembali sebagai bagian dari model TensorFlow yang lebih besar.
Penggunaan dasar:
obj = hub.load("path/to/model") # That's tf.saved_model.load() after download.
outputs = obj(inputs, training=False) # Invokes the tf.function obj.__call__.
Untuk pengguna Keras, kelas hub.KerasLayer mengandalkan API ini untuk menggabungkan Reusable SavedModel sebagai Lapisan Keras (melindungi pengguna Keras dari detailnya), dengan input dan output sesuai dengan API khusus tugas yang tercantum di bawah.