TensorFlow Hub เป็นที่เก็บโมเดลการเรียนรู้ของเครื่องที่ผ่านการฝึกอบรม
!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 เป็นพื้นที่เก็บข้อมูลของโมเดลการเรียนรู้ของเครื่องที่ผ่านการฝึกอบรมซึ่งพร้อมสำหรับการปรับแต่งอย่างละเอียดและปรับใช้ได้ทุกที่ นำแบบจำลองที่ผ่านการฝึกอบรมมาใช้ซ้ำ เช่น BERT และ Faster R-CNN ด้วยโค้ดเพียงไม่กี่บรรทัด
โมเดล
ค้นหาโมเดลที่ได้รับการฝึกอบรมจากชุมชน TensorFlow บน TFHub.dev
BERT
ตรวจสอบ BERT สำหรับงาน NLP รวมถึงการจัดประเภทข้อความและการตอบคำถาม
การตรวจจับวัตถุ, การตรวจจับวัตถุ
ใช้โมเดล Faster R-CNN Inception ResNet V2 640x640 สำหรับการตรวจจับวัตถุในรูปภาพ
การถ่ายโอนสไตล์
โอนรูปแบบของภาพหนึ่งไปยังอีกภาพหนึ่งโดยใช้รูปแบบการโอนรูปแบบภาพ
เครื่องแยกประเภทอาหารในเครื่อง
ใช้รุ่น TFLite นี้เพื่อจำแนกภาพถ่ายอาหารบนอุปกรณ์พกพา
ข่าวและประกาศ
ตรวจสอบ บล็อกของเรา สำหรับประกาศเพิ่มเติมและดูการอัปเดตล่าสุด #TFHub บน Twitter
TensorFlow Hub สำหรับผลกระทบในโลกแห่งความเป็นจริงที่ Google I/O
เรียนรู้วิธีที่คุณสามารถใช้ TensorFlow Hub เพื่อสร้างโซลูชัน ML ที่มีผลกระทบในโลกแห่งความเป็นจริง
โซลูชัน ML บนอุปกรณ์
หากต้องการสำรวจโซลูชัน ML สำหรับแอปมือถือและเว็บของคุณ รวมถึง TensorFlow Hub ให้ไปที่หน้าการเรียนรู้ของเครื่องในอุปกรณ์ของ Google
ทำให้ BERT ง่ายขึ้นด้วยโมเดลการประมวลผลล่วงหน้าจาก TensorFlow Hub
TensorFlow Hub ทำให้ BERT ใช้งานง่ายด้วยโมเดลการประมวลผลล่วงหน้าแบบใหม่
ตั้งแต่การร้องเพลงไปจนถึงโน้ตดนตรี: การประมาณระดับเสียงด้วย SPICE และ Tensorflow Hub
เรียนรู้วิธีใช้โมเดล SPICE เพื่อถอดเสียงโน้ตเพลงจากเสียงสดโดยอัตโนมัติ
ชุมชน
เข้าร่วมชุมชน TensorFlow Hub