Tensorflow Hub 模块重用
Tensorflow Hub module reuse
假设我想使用来自 TF Hub 的特定 module（文本嵌入）来创建两个不同的 models，然后我想导出和提供它们。
选项 1：
为每个 model 导入 module，将每个分类器放在最上面，并导出 2 models；在各自的 docker 容器中提供服务。这些 models 包含底层嵌入模块和分类器。
选项 2：
为 module 本身提供服务，并将其输出转到 2 个不同的服务 models，它们本身不包含嵌入。 （这甚至可能吗？）
我的计算机科学背景告诉我选项 2 更好，因为我们正在为两个模型重新使用原始嵌入模块，并将模型本身与嵌入模块解耦.
然而，从实际的角度来看，当数据科学家编码时，他们正在导入 module 并在其上使用分类器进行训练，因此导出 [=13= 变得很麻烦] 本身没有底层嵌入。
谁能指出我正确的方向？希望我的问题是有道理的，我自己不是数据科学家，我更多来自开发背景。
谢谢
将分类器放在嵌入模块之上会产生相当强的依赖性：分类器必须针对特定的嵌入进行训练 space。除非您做出非常特殊的安排，否则仅换入另一个嵌入模块是行不通的。所以选项 1 非常好：它产生两个可以独立提供和更新的模型。它们有一些重叠，类似于两个使用相同库的静态链接程序，但源代码仍然是模块化的：通过它们的共同签名使用 Hub 嵌入模块使它们可以互换。
相比之下，选项 2 为您提供了三个具有重要依赖性的活动部分。如果你的目标是简单，我不会去那里。
假设我想使用来自 TF Hub 的特定 module（文本嵌入）来创建两个不同的 models，然后我想导出和提供它们。
选项 1：
为每个 model 导入 module，将每个分类器放在最上面，并导出 2 models；在各自的 docker 容器中提供服务。这些 models 包含底层嵌入模块和分类器。
选项 2：
为 module 本身提供服务，并将其输出转到 2 个不同的服务 models，它们本身不包含嵌入。 （这甚至可能吗？）
我的计算机科学背景告诉我选项 2 更好，因为我们正在为两个模型重新使用原始嵌入模块，并将模型本身与嵌入模块解耦.
然而，从实际的角度来看，当数据科学家编码时，他们正在导入 module 并在其上使用分类器进行训练，因此导出 [=13= 变得很麻烦] 本身没有底层嵌入。
谁能指出我正确的方向？希望我的问题是有道理的，我自己不是数据科学家，我更多来自开发背景。
谢谢
将分类器放在嵌入模块之上会产生相当强的依赖性：分类器必须针对特定的嵌入进行训练 space。除非您做出非常特殊的安排，否则仅换入另一个嵌入模块是行不通的。所以选项 1 非常好：它产生两个可以独立提供和更新的模型。它们有一些重叠，类似于两个使用相同库的静态链接程序，但源代码仍然是模块化的：通过它们的共同签名使用 Hub 嵌入模块使它们可以互换。
相比之下，选项 2 为您提供了三个具有重要依赖性的活动部分。如果你的目标是简单，我不会去那里。