Código Google: Uma nova experiência web no TensorFlow Hub

Uma nova experiência web no TensorFlow Hub

9/27/18

outra postagemnova experiência web Explorando e descobrindo módulos

Figura 1: a nova experiência web oferece detalhes sobre os módulos, uma forma fácil de acessar o URL tfhub.dev de cada um e, nos casos possíveis, links diretos para notebooks do Colab.

módulo Universal Sentence EncoderartigoURL tfhub.devnotebook do Colab Buscando e filtrando

Figura 2: encontrando incorporações de texto que foram treinadas usando dados em espanhol

módulo NNLM treinado com dados em espanhol Detecção de objetos mais fácilmódulo FasterRCNN treinado com o Open Images v4detector = hub.Module( “https://tfhub.dev/google/faster_rcnn/openimages_v4/inception_resnet_v2/1" )notebook do Colab

Figura 3: imagem usada para aplicar o módulo TF (créditos)

notebook do Colab

Figura 4: vinculando caixas e classes inferidas pelo módulo

Os vencedores do iNaturalist Kaggle Challenge 2017 publicaram um artigo descrevendo a abordagem usada e divulgaram seu modelo no TensorFlow Hub, destacando as vantagens do aprendizado por transferência.

Jeremiah Harmsen, da equipe do TensorFlow Hub, publicou um exemplo no Kaggle demonstrando como módulos pré-treinados do TensorFlow Hub podem ser usados para resolver desafios de análise de sentimento no Kaggle.

TensorFlow Hub para equipes de produtohttps://tfhub.devm = hub.Module(“/tmp/text-embedding”) embeddings = m(sentences)tutorial "Criando um módulo" Como começarhttps://tfhub.devhttps://www.tensorflow.org/hub/adicione um problema ao GitHubmarque-o com estrela no GitHubAgradecimentosGostaríamos de agradecer a Bo Fu, Andrew Gasparovic, Jiaqi Guo, Jeremiah Harmsen, Joshua Horowitz, Zicheng Huo, Elizabeth Kemp, Noé Lutz, Till Pieper, Graham Smith‎, Sijie Wang e Sitong Zhou.