TensorFlow深度学习实战（42）——TensorFlow生态高效的系统

TensorFlow深度学习实战（42）——TensorFlow生态系统

• • 0. 前言
  • 1. TensorFlow Hub
  • • 1.1 TensorFlow Hub 简介
    • 1.2 使用预训练模型进行推理
  • 2. TensorFlow Datasets
  • • 2.1 TensorFlow Datasets 简介
    • 2.2 加载 TFDS 数据集
    • 2.3 启用 TFDS 构建材料管道
  • 3. TensorFlow Lite
  • • 3.1 量化
    • 3.2 FlatBuffers
    • 3.3 移动转换器
    • 3.4 移动优化解释器
    • 3.5 支持的平台
    • 3.6 架构
    • 3.7 使用 TensorFlow Lite
    • 3.8 应用程序的通用示例
    • 3.9 使用 GPU 和加速器
  • 小结
  • 系列链接

0. 前言

在本节中，我们将学习 TensorFlow 生态系统的不同组件，包括 TensorFlow Hub、TensorFlow Datasets、TensorFlow JS 和 TensorFlow Lite 等。详细介绍 TensorFlow Hub，一个用于预训练深度学习模型的仓库，以及 TensorFlow Datasets，一个提供预定义数据集的集合。我们还将介绍 TensorFlow Lite，一个用于移动和边缘设备的开源深度学习框架。

1. TensorFlow Hub

1.1 TensorFlow Hub 简介

即使我们拥有一台性能强大的计算机，训练一个机器学习模型也可能需要数天到数月的时间。而且，模型训练完毕后，将其部署到不同设备上同样可能会遇到各种困难。根据部署的平台不同，可能应该不同的格式。
可以把 TensorFlow Hub (TF Hub) 看作是一个包含大量预训练模型的库。它包含了数百个训练好的、可以进行部署的深度学习模型。TF Hub 提供了用于图像分类、图像分割、物