TensorFlow Hub là một kho lưu trữ các mô hình học máy được đào tạo.

  !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 là một kho lưu trữ các mô hình học máy được đào tạo sẵn sàng để tinh chỉnh và có thể triển khai ở mọi nơi. Sử dụng lại các mô hình đã đào tạo như BERT và Faster R-CNN chỉ với một vài dòng mã.
  • Tìm hiểu về cách sử dụng TensorFlow Hub và cách hoạt động của nó.
  • Hướng dẫn hiển thị cho bạn các ví dụ từ đầu đến cuối bằng TensorFlow Hub.
  • Tìm các mô hình TF, TFLite và TF.js được đào tạo cho trường hợp sử dụng của bạn.



Mô hình

Tìm các mô hình được đào tạo từ cộng đồng TensorFlow trên TFHub.dev
Kiểm tra BERT cho các nhiệm vụ NLP bao gồm phân loại văn bản và trả lời câu hỏi.
Sử dụng mô hình R-CNN Inception ResNet V2 640x640 nhanh hơn để phát hiện các đối tượng trong hình ảnh.
Chuyển kiểu của hình ảnh này sang hình ảnh khác bằng cách sử dụng mô hình chuyển kiểu hình ảnh.
Sử dụng mô hình TFLite này để phân loại ảnh chụp đồ ăn trên thiết bị di động.



Tin tức và thông báo

Kiểm tra blog của chúng tôi để biết thêm thông báo và xem các cập nhật #TFHub mới nhất trên Twitter
Tìm hiểu cách bạn có thể sử dụng TensorFlow Hub để xây dựng các giải pháp ML với tác động trong thế giới thực.
Để khám phá các giải pháp ML cho ứng dụng web và thiết bị di động của bạn bao gồm TensorFlow Hub, hãy truy cập trang máy học trên thiết bị của Google.
TensorFlow Hub làm cho BERT dễ sử dụng với các mô hình tiền xử lý mới.
Tìm hiểu cách sử dụng mô hình SPICE để tự động chuyển biên bản nhạc từ âm thanh trực tiếp.