Panoramica della libreria dell'hub TensorFlow

La libreria tensorflow_hub ti consente di scaricare e riutilizzare modelli addestrati nel tuo programma TensorFlow con una quantità minima di codice. Il modo principale per caricare un modello addestrato è utilizzare l'API hub.KerasLayer .

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)

Nota: questa documentazione utilizza gli handle URL TFhub.dev negli esempi. Ulteriori informazioni su altri tipi di handle validi sono disponibili qui .

Impostazione della posizione della cache per i download.

Per impostazione predefinita, tensorflow_hub utilizza una directory temporanea a livello di sistema per memorizzare nella cache i modelli scaricati e non compressi. Vedi Memorizzazione nella cache per le opzioni per utilizzare altre posizioni, possibilmente più persistenti.

Stabilità dell'API

Anche se speriamo di evitare modifiche sostanziali, questo progetto è ancora in fase di sviluppo attivo e non è ancora garantito che abbia un'API o un formato del modello stabile.

Equità

Come in tutto l’apprendimento automatico, l’equità è una considerazione importante . Molti modelli preaddestrati vengono addestrati su set di dati di grandi dimensioni. Quando si riutilizza un modello, è importante tenere presente su quali dati è stato addestrato il modello (e se sono presenti pregiudizi) e in che modo questi potrebbero influire sull'utilizzo dello stesso.

Sicurezza

Poiché contengono grafici TensorFlow arbitrari, i modelli possono essere pensati come programmi. Using TensorFlow Securely descrive le implicazioni sulla sicurezza del riferimento a un modello da una fonte non attendibile.

Passaggi successivi