TensorFlow Hub ist ein Repository für geschulte Modelle für maschinelles Lernen. 

  !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 ist ein Repository mit geschulten Modellen für maschinelles Lernen, die zur Feinabstimmung bereit und überall einsetzbar sind. Verwenden Sie trainierte Modelle wie BERT und Faster R-CNN mit nur wenigen Codezeilen wieder.


Modelle

Auf TFHub.dev finden Sie geschulte Modelle aus der TensorFlow-Community
Schauen Sie sich BERT für NLP-Aufgaben an, einschließlich Textklassifizierung und Beantwortung von Fragen.
Siehe das Modell
Verwenden Sie das Modell Faster R-CNN Inception ResNet V2 640x640, um Objekte in Bildern zu erkennen.
Siehe das Modell
Übertragen Sie den Stil eines Bildes mithilfe des Bildstil-Übertragungsmodells auf ein anderes.
Siehe das Modell
Verwenden Sie dieses TFLite-Modell, um Fotos von Lebensmitteln auf einem mobilen Gerät zu klassifizieren.
Siehe das Modell


Nachrichten & Ankündigungen

Weitere Ankündigungen finden Sie in unserem Blog. Die neuesten # TFHub-Updates finden Sie auf Twitter
Erfahren Sie, wie Sie mit TensorFlow Hub ML-Lösungen mit realen Auswirkungen erstellen können.
Sehen Sie sich das Video
Besuchen Sie die maschinelle Lernseite von Google auf dem Gerät, um ML-Lösungen für Ihre Mobil- und Web-Apps einschließlich TensorFlow Hub zu erkunden.
Besuchen Sie die Website
Mit TensorFlow Hub ist BERT einfach mit neuen Vorverarbeitungsmodellen zu verwenden.
Lesen Sie den Blog
Erfahren Sie, wie Sie mit dem SPICE-Modell automatisch Noten aus Live-Audio transkribieren.
Lesen Sie den Blog


Gemeinschaft

Treten Sie der TensorFlow Hub-Community bei
Finde trainierte Modelle im