概述
tfhub包提供R包装器TensorFlow中心.
TensorFlow中心是一个用于可重用机器学习模块的库。
TensorFlow Hub是一个用于发布、发现和使用机器学习模型的可重用部分的库。模块是TensorFlow图的一个自包含部分,连同它的权重和资产,可以在一个称为迁移学习的过程中跨不同任务重用。转移学习可以:
- 用更小的数据集训练模型,
- 提高泛化,
- 加快培训。
安装
您可以从以下网站安装tfhub的发布版本凹口:
install.packages(“tfhub”)
而开发版从GitHub:
# install.packages(“devtools”)devtools::install_github(“英格兰vs伊朗让球rstudio / tfhub”)
在安装tfhub包之后,你需要安装TensorFlow Hub python模块:
图书馆(tfhub)install_tfhub()
加载模块
模块可以从URL和本地路径使用hub_load ()
模块< -hub_load(“https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/2”)
模块的行为像函数,可以调用张量例如:
输入< -特遣部队$随机$统一的(形状=形状(1,224,224,3.),minval =0,maxval =1)输出< -模块(输入)
使用Keras
开始使用tfhub最简单的方法是使用layer_hub
.一个Keras层,它加载一个TensorFlow Hub模块,并准备它与您的模型一起使用。
图书馆(tfhub)图书馆(keras)输入< -layer_input(形状=c(32,32,3.))输出< -输入% > %#我们正在使用一个预先训练的移动网络模型!layer_hub(处理=“https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/2”)% > %layer_dense(单位=10,激活=“softmax”)模型< -keras_model(输入、输出)模型% > %编译(损失=“sparse_categorical_crossentropy”,优化器=“亚当”,指标=“准确性”)
然后我们可以在CIFAR10数据集中拟合我们的模型:
cifar < -dataset_cifar10()cifar$火车$x < -特遣部队$图像$调整(cifar$火车$x/255,大小=形状(224,224))模型% > %适合(x =cifar$火车$x,y =cifar$火车$y,validation_split =0.2,batch_size =128)
tfhub.dev
tfhub.dev是一个预先训练的模型库,准备与TensorFlow Hub一起使用。