摘要： 本文對TensorFlow Hub庫的介紹，并舉例說明其用法。

在軟件開發中，最常見的失誤就是容易忽視共享代碼庫，而庫則能夠使軟件開發具有更高的效率。從某種意義上來說，它改變了編程的過程。我們常常使用庫構建塊或模塊，并將其連接在一起進行編程。

開發人員是如果使用庫的呢？除了共享代碼之外，我們還可以共享預訓練模型。共享預訓練模型能夠使開發人員有針對性的開發該模型，而不需要訪問計算資源或手頭上用于訓練模型的原始數據。例如，NASNet架構在GPU上花費數千個小時進行訓練。通過共享學習到的權重，其他開發人員就能夠更容易重用庫和構建模型或架構。

機器學習模型內部的“組成部分”，可以使用TensorFlow Hub進行打包和共享。從某種意義上來講，除了架構本身，共享預先訓練好的模型的同時，也共享了開發模型的計算時間和數據集。

為機器學習開發者提供庫產生了TensorFlow Hub庫。TensorFlow Hub庫是一個在TensorFlow中進行發布和重用中機器學習模塊的平臺。我們可以在其他類似的任務中重復使用一個模塊（一個TensorFlow的獨立片段及其權重）。 開發人員也可以重用一個模塊使用一個更小的數據集來訓練模型，來提高泛化或加快訓練速度。下面來看幾個具體的例子。

圖像再訓練

首先，我們從少量的訓練數據開始——圖像分類器?，F代圖像識別模型具有數百萬個參數，如果從頭開始訓練，就需要大量的標記數據和計算能力。使用圖像再訓練技術，就可以使用很少的數據來訓練模型，并且計算時間也少得多。以下是TensorFlow Hub的外觀。

其基本思想是，用一個現成的圖像識別模塊從圖像中提取特征訓練一個新的分類器。正如你所看到的一樣，TensorFlow Hub模塊可以在構建TensorFlow圖時通過URL（或文件路徑）進行實例化。TensorFlow Hub上有多種模塊可供選擇，包括NASNet、MobileNet（包括其最近的V2）、Inception、ResNet等。想要使用某一模塊，首先導入TensorFlow Hub，然后將模塊的URL地址復制/粘貼到代碼中即可。

TensorFlow Hub上提供的圖像模塊

每個模塊都有一個已定義的接口，在不了解其內在結構的情況下，也能夠替換使用。這個模塊提供了一個檢索預期圖像大小的方法：只需提供一組有正確形狀的圖像，然后調用該模塊來檢索圖像的特征表示。該模塊負責對圖像進行預處理，可以直接將圖像轉換為其特征表示，然后再構建一個線性模型或其他類型的分類器。

請注意，我們使用的模塊是由Google開發的，并且是版本化的（因此模塊在實驗中不會改變）。和普通Python函數一樣，我們也可以使用該模塊來構建模型的一部分。一旦導出到磁盤，模塊是獨立的，無需訪問創建和訓練該模塊的代碼和數據（也可以發布代碼和數據），也能供其他人所使用。

文本分類

現在你想訓練一個模型：將電影評論分為正面或負面，但是只有少量的訓練數據（比如只有幾百個正面和負面的電影評論）。由于訓練數據有限，因此你打算使用以前在大得多的語料庫上訓練過的詞嵌入數據集。以下是使用TensorFlow Hub思路。

同樣，首先選擇一個模塊。TensorFlow Hub提供了多種文本模塊，包括基于各種語言（EN，JP，DE和ES）的神經網絡語言模型，在維基百科上訓練的Word2vec模型和在Google新聞上訓練的NNLM嵌入。

在TensorFlow Hub上的一些文本模塊

在這里，我們使用一個模塊來進行文本嵌入。使用上面的代碼下載一個模塊，用來對一個句子進行預處理，然后檢索每個塊的嵌入，這就意味著可以直接將數據集中的句子轉換為適合分類器的格式。該模塊負責標記句子和其他邏輯（如處理詞典外的單詞）。預處理邏輯和嵌入都封裝在一個模塊中，使在各種不同的數據集上的文字嵌入和預處理策略變得更加容易，而不必對代碼進行大幅度的變動。

使用TensorFlow Hub的文本分類教程

通用句子編碼器

我們還分享了一個新的TensorFlow Hub模塊！下面是通用句子編碼器。它是在各種各樣的數據集（“通用”）上訓練的句級嵌入模塊。其功能是語義相似性、自定義文本分類和聚類。

這篇文章展示了如何在任何一個可嵌入句子的TF-Hub模塊上訓練一個簡單的二進制文本分類器。

如在圖像再訓練中，使用相對較少的標記數據使模塊適應某一任務，如餐廳評論。查看本教程以了解更多信息。

其他模塊

TensorFlow Hub不僅僅是圖像和文本分類。用于Progressive GAN和Google地標深層特征的其他模塊請查看鏈接。

注意事項

使用TensorFlow Hub模塊時需要考慮幾個重要因素：首先，請記住模塊包含的可運行的代碼，一定要使用可信來源的模塊；其次，正如所有的機器學習一樣，公平性是一個很重要的因素。

上面的兩個例子都使用了預先訓練好的大數據集。當重復使用這樣的數據集時，注意其包含的數據是否存在偏差，以及這些是如何影響正在構建的模型和用戶的。

原文鏈接
干貨好文，請關注掃描以下二維碼：

總結

以上是生活随笔為你收集整理的TensorFlow Hub介绍：TensorFlow中可重用的机器学习模块库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。