TensorFlow Hub 是一个经过训练的机器学习模型库。

  !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 是一个经过训练的机器学习模型库，可以随时微调并部署到任何地方。只需几行代码即可重用 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

    教程展示了使用 TensorFlow Hub 的端到端示例。
  •

    查看模型

    查找适用于您的用例的经过训练的 TF、TFLite 和 TF.js 模型。


模型

在 TFHub.dev 上查找来自 TensorFlow 社区的经过训练的模型
查看适用于 NLP 任务的 BERT，包括文本分类和问答。
查看模型
使用 Faster R-CNN Inception ResNet V2 640x640 模型检测图像中的目标。
查看模型
使用图像风格迁移模型将一幅图像的风格迁移到另一幅图像。
查看模型
使用此 TFLite 模型在移动设备上对食物照片进行分类。
查看模型


新闻和公告

查看 我们的博客 以获取更多公告，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的 ML 解决方案。
观看视频
要探索适用于您的移动和 Web 应用程序的 ML 解决方案（包括 TensorFlow Hub），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简化了 BERT 的使用。
阅读博客
了解如何使用 SPICE 模型从实时音频中自动转录乐谱。
阅读博客


社区

加入 TensorFlow Hub 社区
查找经过训练的模型