Google I/O to frajda! Nadrobić zaległości w sesjach TensorFlow Zobacz sesje

TensorFlow Hub to repozytorium wytrenowanych modeli uczenia maszynowego.

  !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 to repozytorium przeszkolonych modeli uczenia maszynowego, gotowych do dostrojenia i wdrożenia w dowolnym miejscu. Użyj ponownie wyszkolonych modeli, takich jak BERT i Faster R-CNN, za pomocą zaledwie kilku wierszy kodu.



Modele

Znajdź wyszkolonych modeli ze społeczności TensorFlow na TFHub.dev
Sprawdź BERT dla zadań NLP, w tym klasyfikację tekstu i odpowiadanie na pytania.
Użyj modelu Faster R-CNN Inception ResNet V2 640x640 do wykrywania obiektów na obrazach.
Przenieś styl jednego obrazu do drugiego za pomocą modelu przenoszenia stylu obrazu.
Użyj tego modelu TFLite do klasyfikowania zdjęć jedzenia na urządzeniu mobilnym.



Nowości i ogłoszenia

Sprawdź nasz blog więcej ogłoszeń i zobaczyć najnowsze aktualizacje #TFHub na Twitterze
Dowiedz się, jak wykorzystać TensorFlow Hub do tworzenia rozwiązań ML o rzeczywistym wpływie.
Aby poznać rozwiązania ML dla aplikacji mobilnych i internetowych, w tym TensorFlow Hub, odwiedź stronę Google dotyczącą uczenia maszynowego na urządzeniu.
TensorFlow Hub sprawia, że ​​BERT jest łatwy w użyciu z nowymi modelami przetwarzania wstępnego.
Dowiedz się, jak używać modelu SPICE do automatycznej transkrypcji nut z dźwięku na żywo.