کتابخانه tensorflow_hub به شما امکان می دهد مدل های آموزش دیده را در برنامه TensorFlow خود با حداقل مقدار کد دانلود و استفاده مجدد کنید. راه اصلی برای بارگذاری یک مدل آموزش دیده استفاده از hub.KerasLayer API است.
import tensorflow_hub as hub
embed = hub.KerasLayer("https://tfhub.dev/google/nnlm-en-dim128/2")
embeddings = embed(["A long sentence.", "single-word", "http://example.com"])
print(embeddings.shape, embeddings.dtype)
توجه: این مستندات از دسته های URL TFhub.dev در مثال ها استفاده می کند. اطلاعات بیشتر در مورد سایر انواع دستگیره معتبر را اینجا ببینید.
تنظیم مکان کش برای دانلودها
به‌طور پیش‌فرض، tensorflow_hub از یک دایرکتوری موقت در سراسر سیستم برای ذخیره مدل‌های دانلود شده و غیرفشرده استفاده می‌کند. برای گزینه‌های استفاده از مکان‌های دیگر، احتمالاً پایدارتر، به ذخیره پنهان مراجعه کنید.
پایداری API
اگرچه امیدواریم بتوانیم از تغییرات ناگهانی جلوگیری کنیم، این پروژه هنوز در حال توسعه فعال است و هنوز تضمینی برای داشتن API یا قالب مدل پایدار وجود ندارد.
انصاف
مانند تمام یادگیری ماشینی، انصاف یک نکته مهم است. بسیاری از مدل های از پیش آموزش دیده بر روی مجموعه داده های بزرگ آموزش داده شده اند. هنگام استفاده مجدد از هر مدلی، مهم است که به این نکته توجه داشته باشید که مدل بر روی چه داده هایی آموزش دیده است (و اینکه آیا سوگیری های موجود در آن وجود دارد یا خیر)، و این که چگونه ممکن است بر استفاده شما از آن تأثیر بگذارد.
امنیت
از آنجایی که آنها حاوی نمودارهای دلخواه TensorFlow هستند، مدل ها را می توان به عنوان برنامه در نظر گرفت. استفاده از TensorFlow Securely پیامدهای امنیتی ارجاع یک مدل از یک منبع نامعتبر را توصیف می کند.