TensorFlow Hub, предлагающий вам новый опыт работы в Интернете

Авторы: Андре Сусано Пинто (технический руководитель, TensorFlow Hub) и Клеменс Мьюальд (менеджер по продукту)

Источник | Публичный аккаунт TensorFlow

В предыдущей статье мы выпустили TensorFlow Hub, платформу для публикации, обнаружения и повторного использования частей модулей машинного обучения в TensorFlow. Ключевой частью платформы является ее веб-интерфейс, который позволяет разработчикам находить модули TensorFlow для вариантов использования. Сегодня мы запускаем новый веб-интерфейс для TensorFlow Hub, чтобы упростить поиск и обнаружение, а также заложить основу для платформы с несколькими издателями.

Исследуйте и открывайте модули

Рисунок 1: Новый веб-интерфейс дает нам сведения о модуле, простой способ доступа к его URL-адресу tfhub.dev и прямую ссылку на работающую записную книжку Colab.

TensorFlow Hub — это общедоступная многоразовая платформа машинного обучения, и мы хотим предоставить исследователям и разработчикам удобный способ поделиться своей работой с более широким сообществом. Модуль Universal Sentence Encoder — это успешный пример ускорения работы приложений от основ машинного обучения до более широкого сообщества разработчиков. Этот файл ссылается на URL модуля tfhub.dev. Когда URL-адрес скопирован в браузер, появится страница сведений о модуле, общая документация издателя и ссылка на блокнот Colab, чтобы вы могли опробовать модуль напрямую. Universal Sentence Encoder стал одним из самых популярных модулей на TF Hub.

Поиск и фильтрация

Рис. 2. Поиск вложений текста, обученных испанским данным

Излишне говорить, что вы можете искать и фильтровать модули в TF Hub. Текстовые модули для вашей задачи зависят от данных, на которых они обучаются. В приведенных выше примерах мы показали, как легко искать встраивания текста и фильтровать по языку (язык: испанский) и находить модули NNLM, обученные на испанских данных.

Обнаружение объектов стало проще

Мы постоянно расширяем инвентарь TensorFlow Hub новыми модулями, разработанными командой Google Brain. Недавно добавлен модуль FasterRCNN, обученный Open Images v4. Этот модуль можно загрузить всего одной строкой кода и использовать для обнаружения объектов:

детектор = концентратор.Модуль( "Бандит Ху Бяо.Dev/Google/fast…" )

С помощью этого модуля мы публикуем записную книжку Colab, которая позволяет загружать и просматривать ее выходные данные. Следующий пример взят изunsplash.comизображений и обнаруженных объектов.

Рисунок 3: Изображение, используемое для применения модуля TF

Блокнот Colab проведет вас через загрузку модулей и их применение всего за несколько минут. Примечание: ссылка на блокнот Colabстолбец AB.research.Google.com/GitHub/tens…

Рисунок 4: Ограничивающие рамки и категории, выведенные модулем

Среди других недавних дополнений к TensorFlow Hub:

Победители iNaturalist Kaggle Challenge 2017 года опубликовали документ с описанием своего подхода и опубликовали свою модель на TensorFlow Hub, демонстрируя преимущества трансферного обучения.

Иеремия Хармсен из команды TensorFlow Hub выпустил пример Kaggle, демонстрирующий, как использовать предварительно обученные модули TensorFlow Hub для решения задач анализа настроений в Kaggle. Примечание: ссылка на модельальфа. Бандит Ху Бяо. Dev/Google/I Nat…Kaggle пример ссылкиЭй, карточная реформа — это .com/jeremiah Harbi…

TensorFlow Hub для продуктовых команд

за исключением того, что его можно использовать вtfhub.devВ дополнение к различным модулям, опубликованным в TensorFlow Hub, библиотека TensorFlow Hub также позволяет публиковать модули в частном хранилище для использования. Таким образом, члены команды могут обмениваться модулями и получать пользу от работы друг друга.

Вместо того, чтобы ссылаться на модуль через его URL-адрес tfhub.dev, вы можете использовать путь к файловой системе:

m = hub.Module("/tmp/text-embedding") вложения = m (предложения)

Чтобы создать эти пользовательские вставки, следуйте нашему руководству «Создание модуля». Примечание. Ссылка на учебник «Создание модуля»Woohoo.tensorflow.org/Hubei/Пока в теле жарко…

С чего начать

Проверятьtfhub.devчтобы использовать наш новый веб-интерфейс, вы также можете просмотретьwww.tensorflow.org/hub/, будьте в курсе последних…Документация по API. Если вы столкнулись с какими-либо ошибками, вы можете сообщить о проблеме на GitHub. Для удобства общения вы можете звездить проекты GitHub. Примечание. Поднимите ссылку на проблему на GitHub.GitHub.com/tensorflow/…Ссылка на проект GitHubGitHub.com/tensorflow/…

БлагодарностьСпасибо Бо Фу, Эндрю Гаспаровичу, Цзяци Го, Джеремайе Хармсену, Джошуа Горовицу, Цзычэн Хо, Элизабет Кемп, Ноэ Лутц, Тиллю Пиперу, Грэму Смиту, Сиджи Вану и Ситонг Чжоу.