Обзор библиотеки TensorFlow Hub

Библиотека tensorflow_hub позволяет загружать и повторно использовать обученные модели в вашей программе TensorFlow с минимальным количеством кода. Основной способ загрузки обученной модели — использование 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)

Примечание. В примерах этой документации используются дескрипторы URL-адресов TFhub.dev. Дополнительную информацию о других допустимых типах дескрипторов см. здесь .

Установка места кэша для загрузок.

По умолчанию tensorflow_hub использует общесистемный временный каталог для кэширования загруженных и несжатых моделей. См. Кэширование, чтобы узнать о вариантах использования других, возможно, более постоянных местоположений.

Стабильность API

Хотя мы надеемся предотвратить критические изменения, этот проект все еще находится в активной разработке, и пока не гарантировано наличие стабильного API или формата модели.

Справедливость

Как и во всем машинном обучении, важным фактором является справедливость . Многие предварительно обученные модели обучаются на больших наборах данных. При повторном использовании любой модели важно помнить о том, на каких данных модель была обучена (и есть ли там какие-либо предвзятости), и как они могут повлиять на ее использование.

Безопасность

Поскольку они содержат произвольные графы TensorFlow, модели можно рассматривать как программы. Использование TensorFlow Securely описывает последствия для безопасности ссылки на модель из ненадежного источника.

Следующие шаги