TensorFlow Hub 是已訓練機器學習模型的儲存庫。

  !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 是已訓練機器學習模型的儲存庫，可隨時進行微調並部署至任何地方。只需幾行程式碼，即可重複使用 BERT 和 Faster R-CNN 等已訓練模型。
  •

    查看指南

    瞭解如何使用 TensorFlow Hub 及其運作方式。
  •

    查看教學課程

    教學課程向您展示使用 TensorFlow Hub 的端對端範例。
  •

    查看模型

    尋找適用於您使用情境的已訓練 TF、TFLite 和 TF.js 模型。


模型

在 TFHub.dev 上尋找 TensorFlow 社群提供的已訓練模型
查看 BERT 以用於 NLP 任務，包括文字分類和問答。
查看模型
使用 Faster R-CNN Inception ResNet V2 640x640 模型偵測圖片中的物件。
查看模型
使用圖片風格轉換模型將一張圖片的風格轉換到另一張圖片。
查看模型
使用此 TFLite 模型在行動裝置上分類食物相片。
查看模型


最新消息與公告

查看我們的部落格以取得更多公告，並在 Twitter 上查看最新的 #TFHub 更新
瞭解如何使用 TensorFlow Hub 建立具有真實世界影響力的機器學習解決方案。
觀看影片
若要探索適用於行動應用程式和網頁應用程式 (包括 TensorFlow Hub) 的機器學習解決方案，請造訪 Google 裝置端機器學習網頁。
造訪網站
TensorFlow Hub 透過新的預先處理模型讓 BERT 更易於使用。
閱讀部落格
瞭解如何使用 SPICE 模型從即時音訊自動轉錄樂譜。
閱讀部落格


社群

加入 TensorFlow Hub 社群
尋找已訓練模型