简介
TensorFlow Hub 托管了适用于各种任务的模型。建议为同一任务的模型实现一个通用 API，以便模型使用者能够轻松地换用不同模型，而无需修改使用这些模型的代码，即使模型来自不同的发布者也是如此。
目的是让使用者能够针对同一任务轻松换用不同的模型，就像切换采用字符串值的超参数一样简单。这样，模型使用者可以轻松找到最能解决其问题的模型。
此目录下收录了采用 TF2 SavedModel 格式的模型的通用 API 规范。（它取代现已弃用的 TF1 Hub 格式的通用签名。）
可重复使用的 SavedModel：通用基础
Reusable SavedModel API 定义了如何将 SavedModel 重新加载到 Python 程序并将其作为整个 TensorFlow 模型的一部分重复使用的一般规则。
基本用法：
obj = hub.load("path/to/model") # That's tf.saved_model.load() after download.
outputs = obj(inputs, training=False) # Invokes the tf.function obj.__call__.
对于 Keras 用户，hub.KerasLayer 类会借助此 API 将可重复使用的 SavedModel 封装为 Keras 层（让 Keras 用户无需处理细节），其中输入和输出视下文列出的任务特有 API 而定。
任务特有的 API
这些 API 可依据特定机器学习任务和数据类型的惯例优化 Reusable SavedModel SavedModel API。