TensorFlow Hub使用指南
简介
TensorFlow Hub 是一个包含经过训练的机器学习模型的代码库，这些模型稍作调整便可部署到任何设备上。您只需几行代码即可重复使用经过训练的模型，例如 BERT 和 Faster R-CNN。
示例,利用词嵌入模型,
能将每一个句子或者单词输出为一个向量
(num_examples, embedding_dimension)。
!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)
指南
了解如何使用 TensorFlow Hub 及其工作原理。
TensorFlow Hub 是用于存储可重用机器学习资产的仓库和库。hub.tensorflow.google.cn
仓库中提供了许多预训练模型：文本嵌入、图像分类模型等。开发者可以从 tensorflow_hub 库下载资源，并以最少的代码量在 TensorFlow 程序中重用这些资源。
安装和使用说明
安装 tensorflow_hub
tensorflow_hub 库可与 TensorFlow 1 和 TensorFlow 2 一起安装。我们建议新用户立即从 TensorFlow 2 开始，并且当前用户升级到此版本。
与 TensorFlow 2 一起使用
往常一样使用 pip 来安装 TensorFlow 2。（有关 GPU 支持的更多说明，请参阅相关文档。）随后在它旁边安装当前版本的 tensorflow-hub（必须为 0.5.0 或更高版本）。
$ pip install "tensorflow>=2.0.0"
$ pip install --upgrade tensorflow-hub
TensorFlow Hub 的 TF1 样式 API 适用于 TensorFlow 2 的 v1 兼容模式。
与旧版 TensorFlow 1 一起使用
tensorflow_hub 库需要 TensorFlow version 1.7 或更高版本。
我们强烈建议您使用 TensorFlow 1.15 进行安装，此版本默认采用与 TF1 兼容的行为，但其底层包含了许多 TF2 功能，允许使用 TensorFlow Hub 的 TF2 样式 API。
$ pip install "tensorflow>=1.15,<2.0"
$ pip install --upgrade tensorflow-hub
使用预发布版本
pip 软件包 tf-nightly 和 tf-hub-nightly 是从 GitHub 上的源代码自动构建的，没有版本测试。这样，开发者无需从源代码构建便可试用最新代码。
可选：设置下载的缓存位置。
使用入门-官方教程hub/tutorials
hub/tutorials
TensorFlow Hub 是包含各种预训练模型的综合代码库，这些模型稍作调整便可部署到任何设备上。借助 tensorflow_hub 库，您可以下载训练过的最新模型，并且只需编写少量代码即可使用这些模型。
以下教程可帮助您根据个人需求开始使用和应用 TensorFlow Hub 中的模型。您可以通过互动式教程修改这些模型，并运行修改后的模型。点击互动式教程顶部的“在 Google Colab 中运行”按钮，即可修改并运行模型。
针对新手
如果您不熟悉机器学习和 TensorFlow，可以先大致了解如何分类图像和文本、检测图像中的对象，或如何让自己的照片拥有著名画作的风格：
图像分类,使用bert进行文本分类,风格迁移,对象检测
面向有经验的开发者
您可以查看更高级教程，了解如何使用 TensorFlow Hub 中的 NLP、图像、音频和视频模型。
总结
TF-Hub网站主页
TF-Hub模型库:查看模型-为您的用例寻找经过训练的 TF、TFLite 和 TF.js 模型