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)

    使用tfdatasets

    Tfhub也可以与tfdataset一起使用，因为它提供了feature_columns：

    您可以找到一个工作示例在这里．

    使用食谱

    tfhub添加一个step_pretrained_text_embedding可以和食谱包中。

    可以找到一个例子在这里．

    tfhub.dev

    tfhub.dev是一个预先训练的模型库，准备与TensorFlow Hub一起使用。