TF1/TF2 এর জন্য মডেল সামঞ্জস্য

TF হাব মডেল ফরম্যাট

TF হাব পুনঃব্যবহারযোগ্য মডেলের টুকরো অফার করে যেগুলি আবার লোড করা যেতে পারে, তৈরি করা যেতে পারে এবং সম্ভবত একটি টেনসরফ্লো প্রোগ্রামে পুনরায় প্রশিক্ষণ দেওয়া যেতে পারে। এগুলি দুটি ভিন্ন ফর্ম্যাটে আসে:

মডেল ফরম্যাটটি tfhub.dev- এর মডেল পেজে পাওয়া যাবে। মডেল লোডিং/ইনফারেন্স , ফাইন-টিউনিং বা তৈরি করা TF1/2 মডেল ফর্ম্যাটের উপর ভিত্তি করে সমর্থিত নাও হতে পারে।

TF1 হাব ফর্ম্যাটের সামঞ্জস্য

অপারেশন TF2 [1] এ TF1/ TF1 কম্প্যাট মোড TF2
লোডিং/ইনফারেন্স সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF1 হাব ফরম্যাট লোডিং গাইড )
m = hub.Module(handle)
outputs = m(inputs)
hub.load ব্যবহার করার পরামর্শ দেওয়া হয়
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
বা hub.KerasLayer
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
ফাইন-টিউনিং সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF1 হাব ফরম্যাট ফাইন-টিউনিং গাইড )
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
দ্রষ্টব্য: যে মডিউলগুলির জন্য একটি পৃথক ট্রেন গ্রাফের প্রয়োজন নেই সেগুলির একটি ট্রেন ট্যাগ নেই৷
সমর্থিত নয়
সৃষ্টি সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF1 হাব ফর্ম্যাট তৈরির নির্দেশিকা দেখুন)
দ্রষ্টব্য: TF1 হাব ফর্ম্যাটটি TF1 এর দিকে তৈরি এবং শুধুমাত্র আংশিকভাবে TF2 তে সমর্থিত। একটি TF2 SavedModel তৈরি করার কথা বিবেচনা করুন।
সমর্থিত নয়

TF2 সংরক্ষিত মডেলের সামঞ্জস্য

TF1.15 এর আগে সমর্থিত নয়।

অপারেশন TF2 এ TF1.15/ TF1 কমপ্যাট মোড [১] TF2
লোডিং/ইনফারেন্স হয় hub.load ব্যবহার করুন
m = hub.load(handle)
outputs = m(inputs)
বা hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF2 সংরক্ষিত মডেল লোডিং গাইড )। হয় hub.load ব্যবহার করুন
m = hub.load(handle)
outputs = m(inputs)
বা hub.KerasLayer
m = hub.KerasLayer(handle)
outputs = m(inputs)
ফাইন-টিউনিং একটি hub.KerasLayer-এর জন্য সমর্থিত যা tf.keras.Model-এ ব্যবহৃত হয় যখন Model.fit() এর সাথে প্রশিক্ষিত হয় বা এমন একটি এস্টিমেটরে প্রশিক্ষিত হয় যার model_fn কাস্টম মডেল_fn গাইড অনুসারে মডেলটিকে মোড়ানো হয়।
দ্রষ্টব্য: hub.KerasLayer পুরানো tf.compat.v1.layers বা hub.Module API-এর মতো গ্রাফ সংগ্রহগুলি পূরণ করে না
সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF2 SavedModel ফাইন-টিউনিং গাইড )। hub.load ব্যবহার করুন:
m = hub.load(handle)
outputs = m(inputs, training=is_training)
বা hub.KerasLayer:
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
সৃষ্টি TF2 API tf.saved_model.save() কম্প্যাট মোড থেকে কল করা যেতে পারে। সম্পূর্ণরূপে সমর্থিত ( সম্পূর্ণ TF2 SavedModel তৈরির নির্দেশিকা দেখুন)

[1] "TF2-এ TF1 কম্প্যাট মোড" TF2 ইম্পোর্ট করার সম্মিলিত প্রভাবকে বোঝায় import tensorflow.compat.v1 as tf এবং tf.disable_v2_behavior() চালানোর টেনসরফ্লো মাইগ্রেশন গাইডে বর্ণিত।