TensorFlow Hub
  | |
| Tipus | biblioteca Python |
|---|---|
| Versió estable | 0.16.1 (30 gener 2024)
|
| Llicència | Llicència Apache, versió 2.0 |
| Característiques tècniques | |
| Sistema operatiu | multiplataforma |
| Escrit en | Python |
| Més informació | |
| Lloc web | tensorflow.org… |
|
| |
 | |
TensorFlow Hub (també estilitzat com a TF Hub) és una biblioteca de codi obert d'aprenentatge automàtic i un repositori en línia que proporciona components reutilitzables de models de TensorFlow, anomenats mòduls.[1]
És mantingut per Google com a part de l'ecosistema de TensorFlow i permet als desenvolupadors descobrir, publicar i reutilitzar models preentrenats per a tasques com ara visió per computador, processament del llenguatge natural i aprenentatge per transferència.[2]
Descripció general
[modifica]TensorFlow Hub proporciona una plataforma central on els desenvolupadors i investigadors poden accedir a models preentrenats i integrar-los directament en els fluxos de treball de TensorFlow.[3] Cada mòdul encapsula un graf de computació i els seus pesos entrenats, amb signatures d'entrada i sortida estandarditzades. Els mòduls es poden carregar mitjançant la funció hub.load() o a través de la integració amb Keras mitjançant hub.KerasLayer, fet que permet realitzar aprenentatge per transferència o extracció de característiques.[4]
El servei redueix l'entrenament redundant, accelera l'experimentació i promou la reutilització de models entre diferents tasques. És comparable en esperit al repositori de models de Hugging Face, però està estretament integrat amb les API de TensorFlow i és compatible amb TensorFlow Lite i TensorFlow Extended (TFX).[5]
Història
[modifica]TensorFlow Hub va ser anunciat per Google el març del 2018, amb la primera versió pública publicada poc després. La seva introducció va coincidir amb l'adopció creixent de tècniques d'aprenentatge per transferència i la necessitat d'un empaquetament estandarditzat de models. Amb el temps, el Hub es va ampliar per incloure models com la família BERT, MobileNet, EfficientNet i l'Universal Sentence Encoder.[6]
El 2020, una investigació sobre «Regret selection in TensorFlow Hub» va explorar el problema d'identificar els models òptims per a tasques posteriors donada una gran quantitat d'alternatives al repositori.[7]
Aplicacions
[modifica]TensorFlow Hub allotja una àmplia varietat de models en diferents dominis de l'aprenentatge automàtic:
- Processament del llenguatge natural: BERT, ALBERT i Universal Sentence Encoder.
- Visió per computador: ResNet, Inception, MobileNet, EfficientNet.
- Veu i àudio: extractors de característiques de espectrogrames i models de reconeixement automàtic de la parla.
- Incrustacions multilingües: representacions interlingüístiques i a nivell de frase per a traducció automàtica i similitud semàntica.
Els mòduls s'utilitzen àmpliament en l'educació, la recerca acadèmica i la indústria per a la creació de prototips i el desplegament en producció.[8]
Integració
[modifica]TF Hub s'integra de manera fluida amb el conjunt més ampli d'eines de TensorFlow:[9]
- TensorFlow Serving – per servir models preentrenats a gran escala.
- TFX – per construir pipelines complets d'aprenentatge automàtic.
- TensorFlow Lite – per desplegar models en dispositius mòbils i sistemes encastats.
- Google Colab i entorns Jupyter Notebook – per a l'experimentació interactiva.
Comparació amb plataformes similars
[modifica]Mentre que el repositori de models de Hugging Face se centra principalment en el processament del llenguatge natural i admet múltiples marcs (com PyTorch i JAX), TensorFlow Hub roman enfocat en mòduls basats en TensorFlow i garanteix una compatibilitat directa amb les API de TensorFlow.[10]
Llicència
[modifica]TensorFlow Hub es distribueix sota la Llicència Apache 2.0. Els models individuals allotjats a la plataforma poden especificar les seves pròpies llicències depenent de les dades i el codi font utilitzats per al seu entrenament.[11]
Vegeu també
[modifica]- TensorFlow
- Keras
- Hugging Face
- Aprenentatge per transferència
- Aprenentatge profund
- Aprenentatge automàtic
- Google AI
Referències
[modifica]- ↑ Goh HA, et al. (2022). «Front-end deep learning web apps development and …». Publications / PMC (US National Library of Medicine). Recuperat de https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9709375/
- ↑ «Introducing TensorFlow Hub: a library for reusable machine learning modules». Google, 06-03-2018. [Consulta: 13 octubre 2025].
- ↑ «TensorFlow Hub: overview», TensorFlow, recuperat de https://www.tensorflow.org/hub/overview
- ↑ «TensorFlow Hub overview». Google. [Consulta: 13 octubre 2025].
- ↑ «Reusing pre-trained models with TensorFlow Hub». [Consulta: 13 octubre 2025].
- ↑ Daniel Cer «Universal Sentence Encoder». arXiv, 2018.
- ↑ Martin Jaggi «Regret selection in TensorFlow Hub». arXiv, 2020.
- ↑ Xiu M, Eghan EE, Zhen M, Jiang, Adams B (2020). «Empirical Study on the Software Engineering Practices in Open Source ML Package Repositories». arXiv:2012.01403. Recuperat de https://arxiv.org/abs/2012.01403
- ↑ «Train and serve a TensorFlow model with TensorFlow Serving», tutorial de TensorFlow TFX, recuperat de https://www.tensorflow.org/tfx/tutorials/serving/rest_simple (executable en quadern de Colab)
- ↑ «Model hubs comparison: TensorFlow Hub vs Hugging Face», 15-09-2023. [Consulta: 13 octubre 2025].
- ↑ «tensorflow-hub — PyPI», PyPI, recuperat de https://pypi.org/project/tensorflow-hub/ (mostra “License: Apache Software License (Apache 2.0)”).