TensorFlow Hub là kho lưu trữ các mô hình học máy đã 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.

  • Xem hướng dẫn

    Tìm hiểu về cách sử dụng TensorFlow Hub và cách thức hoạt động của nó.

  • Xem hướng dẫn

    Hướng dẫn hiển thị cho bạn các ví dụ chi tiết bằng cách sử dụng TensorFlow Hub.

  • Xem mô hình

    Tìm các mô hình TF, TFLite và TF.js đã 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.
Xem mô hình
Sử dụng mô hình Faster R-CNN Inception ResNet V2 640x640 để phát hiện các đối tượng trong hình ảnh.
Xem mô hình
Chuyển kiểu của hình ảnh này sang hình ảnh khác bằng mô hình chuyển kiểu hình ảnh.
Xem mô hình
Sử dụng mô hình TFLite này để phân loại ảnh đồ ăn trên thiết bị di động.
Xem mô hình


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 có tác động đến thế giới thực.
Xem video
Để khám phá các giải pháp ML cho ứng dụng web và thiết bị di động của bạn, bao gồm cả TensorFlow Hub, hãy truy cập trang máy học trên thiết bị của Google.
Ghé thăm trang web
TensorFlow Hub giúp BERT dễ sử dụng với các mô hình tiền xử lý mới.
Đọc blog
Tìm hiểu cách sử dụng mô hình SPICE để tự động chép lại bản nhạc từ âm thanh trực tiếp.
Đọc blog


Cộng đồng

Tham gia cộng đồng TensorFlow Hub
Tìm các mô hình đã được đào tạo