TF1/TF2 के लिए मॉडल अनुकूलता

टीएफ हब मॉडल प्रारूप

टीएफ हब पुन: प्रयोज्य मॉडल के टुकड़े प्रदान करता है जिन्हें वापस लोड किया जा सकता है, बनाया जा सकता है, और संभवतः टेन्सरफ्लो प्रोग्राम में पुनः प्रशिक्षित किया जा सकता है। ये दो अलग-अलग स्वरूपों में आते हैं:

मॉडल प्रारूप tfhub.dev पर मॉडल पृष्ठ पर पाया जा सकता है। मॉडल प्रारूपों के आधार पर मॉडल लोडिंग/अनुमान , फ़ाइन-ट्यूनिंग या निर्माण TF1/2 में समर्थित नहीं हो सकता है।

TF1 हब प्रारूप की अनुकूलता

संचालन TF2 में TF1/TF1 कॉम्पैट मोड [1] TF2
लोड हो रहा है/अनुमान पूरी तरह से समर्थित ( पूर्ण TF1 हब प्रारूप लोडिंग गाइड ) 
m = hub.Module(handle)
outputs = m(inputs)
 हब.लोड 
m = hub.load(handle)
outputs = m.signatures["sig"](inputs)
या hub.KerasLayer 
m = hub.KerasLayer(handle, signature="sig")
outputs = m(inputs)
का उपयोग करने की अनुशंसा की जाती है
फ़ाइन ट्यूनिंग पूरी तरह से समर्थित ( पूर्ण टीएफ1 हब प्रारूप फाइन-ट्यूनिंग गाइड ) 
m = hub.Module(handle,
               trainable=True,
               tags=["train"]*is_training)
outputs = m(inputs)
ध्यान दें: जिन मॉड्यूलों को अलग ट्रेन ग्राफ़ की आवश्यकता नहीं होती है, उनमें ट्रेन टैग नहीं होता है।
 समर्थित नहीं
निर्माण पूरी तरह से समर्थित ( पूर्ण TF1 हब प्रारूप निर्माण मार्गदर्शिका देखें)
नोट: TF1 हब प्रारूप TF1 की ओर तैयार है और TF2 में केवल आंशिक रूप से समर्थित है। TF2 सेव्डमॉडल बनाने पर विचार करें।
 समर्थित नहीं

TF2 सेव्डमॉडल की अनुकूलता

TF1.15 से पहले समर्थित नहीं.

संचालन TF2 में TF1.15/TF1 कॉम्पैट मोड [1] TF2
लोड हो रहा है/अनुमान हब.लोड 
m = hub.load(handle)
outputs = m(inputs)
या हब.केरसलेयर 
m = hub.KerasLayer(handle)
outputs = m(inputs)
उपयोग करें		 पूरी तरह से समर्थित ( पूर्ण TF2 सेव्डमॉडल लोडिंग गाइड )। या तो हब.लोड 
m = hub.load(handle)
outputs = m(inputs)
या हब.केरासलेयर 
m = hub.KerasLayer(handle)
outputs = m(inputs)
का उपयोग करें
फ़ाइन ट्यूनिंग tf.keras.Model में उपयोग किए जाने वाले हब.केरसलेयर के लिए समर्थित, जब इसे मॉडल.फिट() के साथ प्रशिक्षित किया जाता है या एक एस्टीमेटर में प्रशिक्षित किया जाता है, जिसका मॉडल_एफएन कस्टम मॉडल_एफएन गाइड के अनुसार मॉडल को लपेटता है।
ध्यान दें: hub.KerasLayer पुराने tf.compat.v1.layers या hub.Module API की तरह ग्राफ़ संग्रह नहीं भरता है।
 पूरी तरह से समर्थित ( पूर्ण TF2 सेव्डमॉडल फाइन-ट्यूनिंग गाइड )। या तो हब.लोड: 
m = hub.load(handle)
outputs = m(inputs, training=is_training)
या हब.केरसलेयर: 
m =  hub.KerasLayer(handle, trainable=True)
outputs = m(inputs)
का उपयोग करें
निर्माण TF2 API tf.save_model.save() को कंपैट मोड के भीतर से कॉल किया जा सकता है। पूरी तरह से समर्थित ( पूर्ण TF2 सेव्डमॉडल निर्माण मार्गदर्शिका देखें)

[1] "टीएफ2 में टीएफ1 कॉम्पैट मोड" टीएफ2 को आयात करने के साथ-साथ import tensorflow.compat.v1 as tf और टेंसरफ्लो माइग्रेशन गाइड में वर्णित tf.disable_v2_behavior() को चलाने के संयुक्त प्रभाव को संदर्भित करता है।