TF Hub上有数百个训练好的模型，这里选择EfficientNet模型，TF Hub上链接地址为：
https://hub.tensorflow.google.cn/google/efficientnet/b0/classification/1
页面显示如下
20211119144417.jpg :::info 注意：TF Hub模型页面上的两个按钮。“Copy URL”为在线调用此模型提供了链接地址；通过点击“Download”按钮，可以将模型保存到本地，离线使用。本节将详细讲解这两种使用方式。 :::

由于选择的EfficientNet模型要求输入的Tensor shape为(96, 96, 3)�，所以我们使用TRAIN_96_FILE和TEST_96_FILE作为训练集和测试集，代码如下

  1. train_set = new AkSourceBatchOp().setFilePath(DATA_DIR + TRAIN_96_FILE);
  2. test_set = new AkSourceBatchOp().setFilePath(DATA_DIR + TEST_96_FILE);

完整的模型结构如下，TF Hub的EfficientNet将作为整体模型的一个“层”，即为结构中的keras_layer。

  1. _________________________________________________________________ 
  2. Layer (type)                 Output Shape              Param #    
  3. ================================================================= 
  4. tensor (InputLayer)          [(None, 96, 96, 3)]       0          
  5. _________________________________________________________________ 
  6. keras_layer (KerasLayer)     (None, 1000)              5330564    
  7. _________________________________________________________________ 
  8. flatten (Flatten)            (None, 1000)              0          
  9. _________________________________________________________________ 
  10. logits (Dense)               (None, 1)                 1001       
  11. ================================================================= 
  12. Total params: 5,331,565                                           
  13. Trainable params: 1,001                                           
  14. Non-trainable params: 5,330,564                                   
  15. _________________________________________________________________

26.3.1 在线使用TF Hub模型

直接将模型的URL，作为hub.KerasLayer的参数，完整代码如下：

  1. BatchOperator.setParallelism(1);
  3. if (!new File(DATA_DIR + MODEL_EFNET_FILE).exists()) {
  4.     train_set
  5.         .link(
  6.             new KerasSequentialClassifierTrainBatchOp()
  7.                 .setTensorCol("tensor")
  8.                 .setLabelCol("label")
  9.                 .setLayers(
  10.                     "hub.KerasLayer('https://hub.tensorflow.google.cn/google/efficientnet/b0/classification/1')",
  11.                     "Flatten()"
  12.                 )
  13.                 .setNumEpochs(5)
  14.                 .setIntraOpParallelism(1)
  15.                 .setSaveCheckpointsEpochs(0.5)
  16.                 .setValidationSplit(0.1)
  17.                 .setSaveBestOnly(true)
  18.                 .setBestMetric("auc")
  19.         )
  20.         .link(
  21.             new AkSinkBatchOp()
  22.                 .setFilePath(DATA_DIR + MODEL_EFNET_FILE)
  23.         );
  24.     BatchOperator.execute();
  25. }
  27. new KerasSequentialClassifierPredictBatchOp()
  28.     .setPredictionCol(PREDICTION_COL)
  29.     .setPredictionDetailCol(PREDICTION_DETAIL_COL)
  30.     .setReservedCols("relative_path", "label")
  31.     .linkFrom(
  32.         new AkSourceBatchOp().setFilePath(DATA_DIR + MODEL_EFNET_FILE),
  33.         test_set
  34.     )
  35.     .lazyPrint(10)
  36.     .lazyPrintStatistics()
  37.     .link(
  38.         new EvalBinaryClassBatchOp()
  39.             .setLabelCol("label")
  40.             .setPredictionDetailCol(PREDICTION_DETAIL_COL)
  41.             .lazyPrintMetrics()
  42.     );
  43. BatchOperator.execute();

模型评估结果如下，明显优于前面的CNN模型。

  1. -------------------------------- Metrics: --------------------------------
  2. Auc:0.9886    Accuracy:0.9492    Precision:0.9612    Recall:0.9376    F1:0.9493    LogLoss:0.1357
  3. |Pred\Real| dog| cat|
  4. |---------|----|----|
  5. |      dog|1188|  48|
  6. |      cat|  79|1185|

26.3.2 离线使用TF Hub模型

在TF Hub页面上点击“Download”，将模型下载到本地，文件名为“1.tar”，解压到文件夹（名称为“1”），该文件夹下内容如下图所示，包含两个子文件夹和两个文件。该文件夹对应的路径为：DATA_DIR + “1”
20211118205353.jpg

离线使用TF Hub模型，只需将hub.KerasLayer的参数设为本地保存离线模型的文件夹路径。完整代码如下：

  1. BatchOperator.setParallelism(1);
  3. if (!new File(DATA_DIR + MODEL_EFNET_OFFLINE_FILE).exists()) {
  4.     train_set
  5.         .link(
  6.             new KerasSequentialClassifierTrainBatchOp()
  7.                 .setTensorCol("tensor")
  8.                 .setLabelCol("label")
  9.                 .setLayers(
  10.                     "hub.KerasLayer('" + DATA_DIR + "1')",
  11.                     "Flatten()"
  12.                 )
  13.                 .setNumEpochs(5)
  14.                 .setIntraOpParallelism(1)
  15.                 .setSaveCheckpointsEpochs(0.5)
  16.                 .setValidationSplit(0.1)
  17.                 .setSaveBestOnly(true)
  18.                 .setBestMetric("auc")
  19.         )
  20.         .link(
  21.             new AkSinkBatchOp()
  22.                 .setFilePath(DATA_DIR + MODEL_EFNET_OFFLINE_FILE)
  23.         );
  24.     BatchOperator.execute();
  25. }
  27. new KerasSequentialClassifierPredictBatchOp()
  28.     .setPredictionCol(PREDICTION_COL)
  29.     .setPredictionDetailCol(PREDICTION_DETAIL_COL)
  30.     .setReservedCols("relative_path", "label")
  31.     .linkFrom(
  32.         new AkSourceBatchOp().setFilePath(DATA_DIR + MODEL_EFNET_OFFLINE_FILE),
  33.         test_set
  34.     )
  35.     .lazyPrint(10)
  36.     .lazyPrintStatistics()
  37.     .link(
  38.         new EvalBinaryClassBatchOp()
  39.             .setLabelCol("label")
  40.             .setPredictionDetailCol(PREDICTION_DETAIL_COL)
  41.             .lazyPrintMetrics()
  42.     );
  43. BatchOperator.execute();

模型评估结果如下，与在线使用TF Hub模型的结果一致。

  1. -------------------------------- Metrics: --------------------------------
  2. Auc:0.9889    Accuracy:0.9492    Precision:0.9474    Recall:0.9526    F1:0.95    LogLoss:0.1308
  3. |Pred\Real| dog| cat|
  4. |---------|----|----|
  5. |      dog|1207|  67|
  6. |      cat|  60|1166|