Thanks for tuning in to Google I/O. View all sessions on demandWatch on demand

TensorFlow Hub 是一个包含经过训练的机器学习模型的代码库。 

  !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 是一个包含经过训练的机器学习模型的代码库，这些模型稍作调整便可部署到任何设备上。您只需几行代码即可重复使用经过训练的模型，例如 BERT 和 Faster R-CNN。


模型

在 TFHub.dev 上寻找来自 TensorFlow 社区的经过训练的模型
查看适用于 NLP 任务的 BERT，包括文本分类和问题解答。
查看模型

对象检测

使用 Faster R-CNN Inception ResNet V2 640x640 模型检测图像中的对象。
查看模型

风格迁移

使用图像风格迁移模型将一个图像的风格迁移到另一个图像上。
查看模型

设备端食品分类器

在移动设备上使用该 TFLite 模型对食品照片进行分类。
查看模型


新闻和通告

请访问我们的博客查看更多通告，并在 Twitter 上了解最新的 #TFHub 动态
通过 TensorFlow Hub 中新的预处理模型，您可以轻松地使用 BERT。
阅读博客
了解如何使用 SPICE 模型将实时音频自动转录成活页乐谱。
阅读博客
使用 BiT 模型训练领先的自定义图像分类器。
阅读博客
了解如何使用 TensorFlow Hub 为您的用例寻找模型。
观看视频


社区

加入 TensorFlow Hub 社区
寻找经过训练的模型