TensorFlow Hub คือพื้นที่เก็บข้อมูลของโมเดลแมชชีนเลิร์นนิงที่ผ่านการฝึกอบรมแล้ว
!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
-
ดูคู่มือ
เรียนรู้เกี่ยวกับวิธีการใช้ TensorFlow Hub และวิธีการทำงาน -
ดูบทช่วยสอน
บทช่วยสอนจะแสดงตัวอย่างตั้งแต่ต้นจนจบโดยใช้ TensorFlow Hub -
ดูรุ่น
ค้นหาโมเดล TF, TFLite และ TF.js ที่ได้รับการฝึกอบรมสำหรับกรณีการใช้งานของคุณ
โมเดล
ค้นหาโมเดลที่ได้รับการฝึกอบรมจากชุมชน TensorFlow บน TFHub.dev
BERT
ตรวจสอบ BERT สำหรับงาน NLP รวมถึงการจัดหมวดหมู่ข้อความและการตอบคำถาม
การตรวจจับออบเจ็กต์
ใช้โมเดล Faster R-CNN Inception ResNet V2 640x640 สำหรับการตรวจจับวัตถุในภาพ
การถ่ายโอนสไตล์
ถ่ายโอนสไตล์ของรูปภาพหนึ่งไปยังอีกรูปภาพหนึ่งโดยใช้โมเดลการถ่ายโอนสไตล์ของรูปภาพ
เครื่องแยกประเภทอาหารบนอุปกรณ์
ใช้โมเดล TFLite นี้เพื่อจัดหมวดหมู่ภาพถ่ายอาหารบนอุปกรณ์เคลื่อนที่
ข่าวและประกาศ
ตรวจสอบ บล็อกของเรา สำหรับประกาศเพิ่มเติมและดูการอัปเดตล่าสุด #TFHub บน Twitter
TensorFlow Hub สำหรับผลกระทบในโลกแห่งความเป็นจริงที่ Google I/O
เรียนรู้วิธีใช้ TensorFlow Hub เพื่อสร้างโซลูชัน ML ที่มีผลกระทบในโลกแห่งความเป็นจริง
โซลูชัน ML บนอุปกรณ์
หากต้องการสำรวจโซลูชัน ML สำหรับแอปบนอุปกรณ์เคลื่อนที่และเว็บของคุณ รวมถึง TensorFlow Hub โปรดไปที่หน้าแมชชีนเลิร์นนิงในอุปกรณ์ของ Google
ทำให้ BERT ง่ายขึ้นด้วยโมเดลการประมวลผลล่วงหน้าจาก TensorFlow Hub
TensorFlow Hub ทำให้ BERT ใช้งานง่ายกับโมเดลการประมวลผลล่วงหน้าใหม่
ตั้งแต่การร้องเพลงไปจนถึงโน้ตดนตรี: การประมาณระดับเสียงด้วย SPICE และ Tensorflow Hub
เรียนรู้วิธีใช้โมเดล SPICE เพื่อคัดลอกโน้ตเพลงจากเสียงสดโดยอัตโนมัติ
ชุมชน
เข้าร่วมชุมชน TensorFlow Hub