model_compatibility.md

Compatibilidade de modelo para TF1/TF2

Formatos de modelo do TF Hub

O TF Hub oferece partes de modelo reutilizáveis que podem ser carregados, expandidos e possivelmente treinados novamente em um programa do TensorFlow. Há dois formatos diferentes:

• O formato TF1 Hub personalizado. Seu principal uso é no TF1 (ou no modo de compatibilidade com o TF1 no TF2) por meio de sua API hub.Module. Confira os detalhes completos de compatibilidade abaixo.

• O formato nativo TF2 SavedModel. Seu principal uso é no TF2 por meio das APIs hub.load e hub.KerasLayer. Confira os detalhes completos de compatibilidade abaixo.

O formato do modelo fica disponível na página do modelo em tfhub.dev. O carregamento/inferência, ajustes finos ou criação de um modelo podem não ter suporte do TF1/TF2 de acordo com os formatos do modelo.

Compatibilidade do formato TF1 Hub {:#compatibility_of_hubmodule}

Operação	TF1/Modo de compatibilidade com o TF1 no TF2 [1]	TF2
Carregamento/Inferência	Suporte total (guia completo de carregamento de formato TF1 Hub) m = hub.Module(handle) outputs = m(inputs)	Recomenda-se usar hub.load m = hub.load(handle) outputs = m.signatures["sig"](inputs) ou hub.KerasLayer m = hub.KerasLayer(handle, signature="sig") outputs = m(inputs)
Ajustes finos	Suporte total (guia completo de ajustes finos do formato TF1 Hub) m = hub.Module(handle, trainable=True, tags=["train"]*is_training) outputs = m(inputs) Observação: os módulos que não precisem de um grafo de treinamento separado não têm uma etiqueta de treinamento.	Sem suporte
Criação	Suporte total (confira o guia completo de criação do formato TF1 Hub) Observação: o formato TF1 Hub é destinado ao TF1, e há um suporte parcial no TF2. Considere criar um SavedModel do TF2.	Sem suporte

Compatibilidade do SavedModel do TF2{:#compatibility_of_tf2_savedmodel}

Não há suporte antes do TF1.15.

Operação	TF1.15/Modo de compatibilidade com o TF1 no TF2 [1]	TF2
Carregamento/Inferência	Use hub.load m = hub.load(handle) outputs = m(inputs) ou hub.KerasLayer m = hub.KerasLayer(handle) outputs = m(inputs)	Suporte total (guia completo de carregamento de SavedModel do TF2). Use hub.load m = hub.load(handle) outputs = m(inputs) ou hub.KerasLayer m = hub.KerasLayer(handle) outputs = m(inputs)
Ajustes finos	Suporte a um hub.KerasLayer usado no tf.keras.Model quando treinado com Model.fit() ou treinado em um Estimator cujo model_fn encapsule o modelo de acordo com o guia de model_fn personalizado. Observação: hub.KerasLayer não preenche coleções de grafos como as APIs antiags tf.compat.v1.layers ou hub.Module faziam.	Suporte total (guia completo de ajustes finos de SavedModel do TF2). Use hub.load: m = hub.load(handle) outputs = m(inputs, training=is_training) ou hub.KerasLayer: m = hub.KerasLayer(handle, trainable=True) outputs = m(inputs)
Criação	A API tf.saved_model.save() do TF2 pode ser chamada no modo de compatibilidade.	Suporte total (confira o guia completo de criação de SavedModel do TF2)

[1] "Modo de compatibilidade com o TF1 no TF2" refere-se ao efeito combinado de importar o TF2 com import tensorflow.compat.v1 as tf e executar tf.disable_v2_behavior() conforme descrito no guia de migração do TensorFlow.