model_compatibility.md

Compatibilidad de modelos para TF1/TF2

Formatos de modelos TF Hub

TF Hub ofrece partes de modelo reutilizables que se pueden volver a cargar, construir y posiblemente volver a entrenar en un programa TensorFlow. Vienen en dos formatos diferentes:

• El formato de TF1 Hub personalizado. Su principal uso previsto es en TF1 (o en modo de compatibilidad TF1 en TF2) a través de su API hub.Module. Puede ver todos los detalles de compatibilidad a continuación.

• El formato nativo TF2 SavedModel. Su principal uso previsto es en TF2 a través de las API hub.load y hub.KerasLayer. Puede ver todos los detalles de compatibilidad a continuación.

El formato del modelo se puede encontrar en la página del modelo en tfhub.dev. Es posible que TF1/2 no admita la carga/inferencia, el ajuste o la creación de modelos según los formatos del modelo.

Compatibilidad del formato TF1 Hub {:#compatibility_of_hubmodule}

Operación	Modo de compatibilidad TF1/TF1 en TF2 [1]	TF2
Carga / Inferencia	Totalmente compatible (guía completa de carga del formato TF1 Hub) m = hub.Module(handle) outputs = m(inputs)	Se recomienda usar hub.load m = hub.load(handle) outputs = m.signatures["sig"](inputs) o hub.KerasLayer m = hub.KerasLayer(handle, signature="sig") outputs = m(inputs)
Ajuste	Totalmente compatible (guía completa de ajuste del formato TF1 Hub) m = hub.Module(handle, trainable=True, tags=["train"]*is_training) outputs = m(inputs) Nota: los módulos que no necesitan un gráfico de entrenamiento separado no tienen una etiqueta de train.	No compatible
Creación	Totalmente compatible (consulte la guía completa de creación del formato TF1 Hub) Nota: El formato TF1 Hub está orientado a TF1 y solo se admite parcialmente en TF2. Considere la posibilidad de crear un TF2 SavedModel.	No compatible

Compatibilidad de TF2 SavedModel {:#compatibility_of_tf2_savedmodel}

No compatible antes de TF1.15.

Operación	Modo de compatibilidad TF1.15/TF1 en TF2 [1]	TF2
Carga / Inferencia	Use hub.load m = hub.load(handle) outputs = m(inputs) o hub.KerasLayer m = hub.KerasLayer(handle) outputs = m(inputs)	Totalmente compatible (guía completa de carga de TF2 SavedModel). Use hub.load m = hub.load(handle) outputs = m(inputs) o hub.KerasLayer m = hub.KerasLayer(handle) outputs = m(inputs)
Ajuste	Compatible con hub.KerasLayer que se usa en tf.keras.Model cuando se entrena con Model.fit() o se entrena en un Estimador cuyo model_fn envuelve el modelo según la guía personalizada de model_fn. Nota: hub.KerasLayer no completa las colecciones de gráficos como lo hacían las antiguas API tf.compat.v1.layers o hub.Module.	Totalmente compatible (guía completa de ajuste de TF2 SavedModel). Use hub.load: m = hub.load(handle) outputs = m(inputs, training=is_training) o hub.KerasLayer: m = hub.KerasLayer(handle, trainable=True) outputs = m(inputs)
Creación	La API TF2 tf.saved_model.save() se puede llamar desde el modo de compatibilidad.	Totalmente compatible (consulte la guía completa de creación de TF2 SavedModel)

[1] Modo de compatibilidad TF1 en TF2 se refiere al efecto combinado de importar TF2 con import tensorflow.compat.v1 as tf y ejecutar tf.disable_v2_behavior() como se describe en la guía de migración de TensorFlow.