机器学习开发者如何寻找满足自己需求的第三方库？

在软件开发中容易被忽视的重要事情之一是共享代码存储库的想法。作为程序员，充分利用第三方库使开发更高效。从某种意义上说，他们改变了软件的开发过程。

机器学习开发者如何寻找满足自己需求的第三方库？当然，除了共享代码之外，我们还想分享预训练模型。共享预训练模型使开发人员可以根据不用领域、不用场景进行自定义，而无需访问计算资源或用于训练原始模型的数据。例如，NASNet 需要数千小时进行模型训练。通过共享学习的权重，模型开发人员可以使其他人更容易重用和构建工作。

机器学习模型的 “成分” 被打包，并通过 TensorFlow Hub 进行共享 。从某种意义上说，除了架构本身之外，共享预先训练的模型还共享用于开发模型所用的计算时间和数据集。

TensorFlow Hub 专门为机器学习开发者提供第三方库。在本文中，我们将简单介绍 TensorFlow Hub 中常用的几种库。TensorFlow Hub 是一个平台，主要被用于发布、发现和重用机器学习模块。一个模块，我们指的是 TensorFlow 图形的一个独立部分及其权重，可以在其他类似任务中重复使用。通过重用模块，开发人员可以使用较小的数据集训练模型，提升泛化能力或简单地加速训练。让我们看几个例子来说明这一点。

图像再训练

作为第一个例子，让我们看一下可以用来训练图像分类器的技术，仅从少量训练数据开始。现代图像识别模型具有数百万个参数，当然，从头开始训练需要大量标记数据和计算能力。使用称为图像重新训练的技术，您可以使用更少量的数据训练模型，并且使用更少的计算时间。如下所示：

1    # Download and use NASNet feature vector 2    module.    

3    module = hub.Module(    

4    “https://tfhub.dev/google/imagenet/nasnet_large/feature_vector/1")    

5    features = module(my_images)    

6    logits = tf.layers.dense(features, NUM_CLASSES)    

probabilities = tf.nn.softmax(logits)    

基本思想是重用现有的图像识别模块从图像中提取特征，然后在这些特征之上训练新的分类器。如您所见，在构造 TensorFlow 图时，可以从 URL（或从文件系统路径）实例化 TensorFlow Hub 模块。

TensorFlow Hub 上有多种模块供您选择，包括 NASNet，MobileNet（包括最近的 V2），Inception，ResNet 等。要使用模块，请导入 TensorFlow Hub，然后将模块的 URL 复制/粘贴到代码中。

每个模块都定义了接口，我们可以在很少或根本不了解其内部的情况下以可替换的方式使用。在这种情况下，此模块有一个方法可用于获取预期的图像大小。作为开发人员，您只需要提供正确形状的一批图像，并调用模块以获取特征表示。此模块负责为您预处理图像，因此您可以在一个步骤中直接从一批图像转到特征表示。从这里开始，您可以在这些基础上学习线性模型或其他类型的分类器。

请注意我们正在使用的模块由 Google 托管，并且已经进行版本控制。模块可以像普通的 Python 函数一样应用，以构建图形的一部分。一旦导出到磁盘，模块就是自包含的，并且可以被其他人使用而无需访问用于创建和训练它的代码和数据。

文本分类

我们来看看第二个例子。想象一下，你想训练一个模型，将电影评论分类为正面或负面，从少量的训练数据开始（比如几百个正面和负面的电影评论）。由于您的示例数量有限，因此您决定利用先前在更大的语料库中训练的单词嵌入数据集。如下所示：

1    # Download a module and use it to retrieve word embeddings.    

2    embed = hub.Module(“https://tfhub.dev/google/nnlm-en-dim50/1")    

3    embeddings = embed([“The movie was great!”])    

和以前一样，我们首先选择一个模块。TensorFlow Hub 有多种文本模块供您探索，包括各种语言的神经网络语言模型，以及在维基百科上训练的 Word2vec，以及在 Google 新闻上训练的 NNLM。

在这种情况下，我们将使用一个模块进行字嵌入。上面的代码下载一个模块，用它来预处理一个句子，然后获取每个标记的嵌入。

这意味着您可以直接从数据集中的句子转换为适合分类器的格式。该模块负责对句子进行标记，以及其他逻辑。预处理逻辑和嵌入都封装在一个模块中，可以更轻松地试验各种单词嵌入数据集或不同的预处理策略，而无需大幅更改代码。

如果您想尝试，请使用本教程进行操作，并了解 TensorFlow Hub 模块如何与 TensorFlow Estimators 配合使用。

注：教程链接 

https://www.tensorflow.org/hub/tutorials/text_classification_with_tf_hub

通用句子编码器

我们还分享了一个新的 TensorFlow Hub 模块！下面是使用 Universal Sentence Encoder 的示例。它是一个句子级嵌入模块，适用于各种数据集。它擅长语义相似性，自定义文本分类和聚类。

与图像再训练一样，需要相对较少的标记数据使模块适应特定的任务。如下所示：

1    # Use pre-trained universal sentence encoder to build text vector    

2    review = hub.text_embedding_column(    

3    “review”, “https://tfhub.dev/google/universal-sentence-encoder/1")    

4    features = {    

5    “review”: np.array([“this movie is a masterpiece”, “this movie was terrible”, …])    

6    }    

7    labels = np.array([[1], [0], …])    

8    input_fn = tf.estimator.input.numpy_input_fn(features, labels, shuffle=True)    

9    estimator = tf.estimator.DNNClassifier(hidden_units, [review])    

10    estimator.train(input_fn, max_steps=100)    

查看本教程以了解更多信息。

注：教程链接 

https://www.tensorflow.org/hub/tutorials/text_classification_with_tf_hub

其他模块

TensorFlow Hub 不仅仅有图像和文本分类库。在网站上，你还可以找到几个 Progressive GAN 模型和 Google Landmarks Deep Local Features.

注意事项

使用 TensorFlow Hub 模块时有几个重要注意事项。首先，请记住模块包含可运行的代码。并始终使用受信任来源的模块。其次，与所有机器学习一样，fairness 是一个重要的考虑因素。我们上面展示的两个示例都利用了大量预先训练的数据集。重用这样的数据集时，重要的是要注意它包含哪些数据，以及它们如何影响您正在构建的产品及其用户。