TensorFlow Hub

TensorFlow Hub 是 Google 维护的预训练模型存储库与 tensorflow_hub Python 库。2023 年 11 月起，模型索引已迁移至 Kaggle Models，但 tensorflow_hub 库仍可加载原 tfhub.dev 上的模型。该库支持加载 SavedModel 格式的预训练模型并集成到 TensorFlow 程序中，适用于迁移学习与多格式导出。

通过 tensorflow_hub 加载预训练模型

tensorflow_hub 库提供 hub.load 函数，传入原 tfhub.dev 上的模型 URL 即可加载预训练模型。这些模型涵盖 BERT、Faster R-CNN 等经典架构，覆盖文本、图像、视频等多种领域。加载后的模型可直接用于推理或嵌入 Keras 模型。tensorflow_hub 最新稳定版为 0.16.1（2024 年 1 月发布），可通过 pip install tensorflow-hub 安装。模型索引虽已迁移至 Kaggle Models，但加载时仍使用原 tfhub.dev URL 即可。

模型复用与迁移学习

加载的预训练模型可嵌入 Keras 模型，实现模型复用。通过 tensorflow_hub 的 KerasLayer 将模型作为网络层使用，并支持选择性解冻部分层进行微调，以适应特定任务。这种迁移学习方式能显著减少训练时间和数据需求。例如，加载一个在 ImageNet 上预训练的图像分类模型，冻结大部分层，仅微调最后几层以适配自定义数据集。官方文档提供了详细的微调指南，可参考官方教程操作。

多格式导出：SavedModel、TFLite、TF.js

同一模型在 TensorFlow Hub 中提供 SavedModel、TFLite 和 TF.js 三种格式，覆盖云端、移动端和浏览器端部署。SavedModel 是 TensorFlow 的标准模型格式，适用于服务器端推理；TFLite 针对移动设备和嵌入式设备优化，支持 Android 和 iOS 应用；TF.js 可在浏览器中运行，适合 Web 应用。用户可根据部署目标选择相应格式，无需重新训练模型，使从研究到生产的转换更加便捷。