TensorFlow Hub 是一个经过训练的机器学习模型存储库。

  !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 中心是一个经过训练的机器学习模型存储库，随时可以进行微调和部署。只需几行代码，即可重复使用 BERT 和 Faster R-CNN 等经过训练的模型。
  •

    查看指南

    了解如何使用 TensorFlow Hub 及其工作原理。
  •

    查看教程

    教程向您展示使用 TensorFlow Hub 的端到端示例。
  •

    查看模型

    查找经过训练的 TF、TFLite 和 TF.js 模型以供您使用。



模型

在 TFHub.dev 上查找 TensorFlow 社区的训练模型
查看 BERT，了解包括文本分类和问答在内的 NLP 任务。
查看模型
使用 Faster R-CNN Inception ResNet V2 640x640 模型检测图像中的对象。
查看模型
使用图像风格迁移模型将一张图像的风格迁移到另一张图像。
查看模型
使用此 TFLite 模型对移动设备上的食品照片进行分类。
查看模型



新闻和公告

查看 我们的博客 了解更多公告，并在 Twitter 上查看最新的 #TFHub 更新
了解如何使用 TensorFlow Hub 构建具有现实世界影响力的 ML 解决方案。
观看视频
要探索包括 TensorFlow Hub 在内的移动和网络应用的 ML 解决方案，请访问 Google 设备上机器学习页面。
访问网站
TensorFlow Hub 使用新的预处理模型使 BERT 易于使用。
阅读博客
了解如何使用 SPICE 模型从现场音频自动转录乐谱。
阅读博客



社区

加入 TensorFlow Hub 社区
查找已训练的模型