自定义 Tensorflow Hub 模块的输入
Customize Input to Tensorflow Hub module
我知道如何从 Tensorflow Hub 加载预训练图像模型。像这样：
#load model
image_module = hub.Module('https://tfhub.dev/google/imagenet/mobilenet_v2_035_128/feature_vector/2')
#get predictions
features = image_module(batch_images)
我也知道如何定制这个模型的输出（在新数据集上微调）。现有 Modules 期望输入 batch_images 是 RGB 图像张量。
我的问题：我想使用张量（dim 20x20x128，来自不同的模型）作为输入而不是特定尺寸的 RGB 图像集线器模型。这意味着我需要绕过 tf-hub 模型定义的初始层（我不需要它们）。这在 tf-hub 模块 api 中可能吗？这方面的文档不清楚。
p.s.: 我可以很容易地做到这一点，定义我自己的图层，但尝试看看我是否可以使用 Tf-Hub API 的。
现有的 https://tfhub.dev/google/imagenet/... 模块不支持此功能。
一般来说，hub.Module 格式允许多个签名（即，input/output 张量的组合；认为 feeds 和 fetches 与 tf.Session.run() 中一样）。因此，如果有他们想要支持的通用使用模式，模块发布者可以安排。
但是对于这种复杂程度的 free-form 实验，您最好直接使用和调整定义模型的代码，例如 TF Slim（针对 TF1.x）或 Keras 应用程序（也适用于 TF2）。两者都提供 Imagenet-pretrained 用于下载和恢复的检查点。
我知道如何从 Tensorflow Hub 加载预训练图像模型。像这样：
#load model
image_module = hub.Module('https://tfhub.dev/google/imagenet/mobilenet_v2_035_128/feature_vector/2')
#get predictions
features = image_module(batch_images)
我也知道如何定制这个模型的输出（在新数据集上微调）。现有 Modules 期望输入 batch_images 是 RGB 图像张量。
我的问题：我想使用张量（dim 20x20x128，来自不同的模型）作为输入而不是特定尺寸的 RGB 图像集线器模型。这意味着我需要绕过 tf-hub 模型定义的初始层（我不需要它们）。这在 tf-hub 模块 api 中可能吗？这方面的文档不清楚。
p.s.: 我可以很容易地做到这一点，定义我自己的图层，但尝试看看我是否可以使用 Tf-Hub API 的。
现有的 https://tfhub.dev/google/imagenet/... 模块不支持此功能。
一般来说，hub.Module 格式允许多个签名（即，input/output 张量的组合；认为 feeds 和 fetches 与 tf.Session.run() 中一样）。因此，如果有他们想要支持的通用使用模式，模块发布者可以安排。
但是对于这种复杂程度的 free-form 实验，您最好直接使用和调整定义模型的代码，例如 TF Slim（针对 TF1.x）或 Keras 应用程序（也适用于 TF2）。两者都提供 Imagenet-pretrained 用于下载和恢复的检查点。