12월 7일 Women in ML 심포지엄 참석 지금 등록

TensorFlow Hub는 훈련된 기계 학습 모델의 저장소입니다.

  !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 Hub는 미세 조정할 준비가 되어 있고 어디에서나 배포할 수 있는 훈련된 기계 학습 모델의 저장소입니다. 몇 줄의 코드로 BERT 및 Faster R-CNN과 같은 훈련된 모델을 재사용할 수 있습니다.
  • TensorFlow Hub를 사용하는 방법과 작동 방식에 대해 알아보세요.
  • 자습서에서는 TensorFlow Hub를 사용하는 종단 간 예제를 보여줍니다.
  • 사용 사례에 맞게 훈련된 TF, TFLite 및 TF.js 모델을 찾으십시오.



모델

TFHub.dev 의 TensorFlow 커뮤니티에서 훈련된 모델 찾기
텍스트 분류 및 질문 답변을 포함한 NLP 작업에 대한 BERT를 확인하십시오.
이미지에서 물체를 감지하려면 Faster R-CNN Inception ResNet V2 640x640 모델을 사용하십시오.
이미지 스타일 전송 모델을 사용하여 한 이미지의 스타일을 다른 이미지로 전송합니다.
이 TFLite 모델을 사용하여 모바일 장치에서 음식 사진을 분류합니다.



뉴스 및 공지사항

블로그 에서 더 많은 공지 사항을 확인하고 Twitter에서 최신 #TFHub 업데이트 를 확인하세요.
TensorFlow Hub를 사용하여 실제 세계에 영향을 미치는 ML 솔루션을 구축하는 방법을 알아보세요.
TensorFlow Hub를 포함한 모바일 및 웹 앱용 ML 솔루션을 탐색하려면 Google 기기 내 기계 학습 페이지를 방문하세요.
TensorFlow Hub는 BERT를 새로운 전처리 모델과 함께 사용하기 쉽게 만듭니다.
SPICE 모델을 사용하여 라이브 오디오에서 악보를 자동으로 전사하는 방법을 배웁니다.