一种方法是每次从tensorflow_hub 下载模型，如下所示
import tensorflow as tf
import tensorflow_hub as hub
hub_url = "https://tfhub.dev/google/tf2-preview/nnlm-en-dim128/1"
embed = hub.KerasLayer(hub_url)
embeddings = embed(["A long sentence.", "single-word", "http://example.com"])
print(embeddings.shape, embeddings.dtype)
我想下载文件一次又一次地使用，而不是每次都下载
【问题讨论】：
标签： python tensorflow
import tensorflow as tf
import tensorflow_hub as hub
embed = hub.KerasLayer('path/to/untarred/folder')
embeddings = embed(["A long sentence.", "single-word", "http://example.com"])
print(embeddings.shape, embeddings.dtype)
【讨论】：
您可以使用hub.load() 方法加载 TF Hub 模块。另外，docs 说，
目前只有 TensorFlow 2.x 和 通过调用
tensorflow.saved_model.save()创建的模块。这 该方法适用于 Eager 模式和图形模式。
hub.load 方法有一个参数handle。模块句柄的类型是，
智能 URL 解析器，例如 tfhub.dev，例如：https://tfhub.dev/google/nnlm-en-dim128/1。
Tensorflow 支持的文件系统上包含模块文件的目录。这可能包括本地目录（例如/usr/local/mymodule）或谷歌云存储桶（gs://mymodule）。
指向模块的 TGZ 存档的 URL，例如https://example.com/mymodule.tar.gz。
您可以使用第 2 点和第 3 点。
【讨论】：
hub_module = hub.load('/tmp/arbitrary-image-stylization-v1-256/') 不起作用。我做错了吗？
如果有人想知道模型在 Windows 上默认保存在哪里，比如我，就在这里。
C:\Users\AvrakDavra\AppData\Local\Temp\tfhub_modules\
显然，您可以在任何地方下载并提及路径和 tfhub 将从那里获取，但以防万一。 在 Windows 上立即打开临时文件夹。
它将为您的用户名打开 temp 文件夹，并且默认情况下 tfhub_modules 文件夹位于该文件夹中。它将包含以下文件夹
文本文件内容如下。
Module: https://tfhub.dev/google/universal-sentence-encoder/4
Download Time: 2021-07-17 18:17:09.714147
Downloader Hostname: LAPTOP(PID:12720)
【讨论】：
也许其他人可能会从一个具体的、可重复的答案中受益。这个帖子对应这个specific tfhub model。
tensorflow_hub 版本：0.12.0
张量流版本：2.2.0
我在我的 Linux 服务器上设置了以下路径：
# Note, I manually created this entire path before ever downloading tfhub models
/opt/tfhub/tf2/bert_en_uncased_L-12_H-768_A-12_4/
（由于各种原因，我们仍然对 Tensorflow 1.x 有一些需求，所以我认为根据它们是否设计用于 tensorflow 1.x 和 tensorflow 2.x 来分离模型可能是个好主意，因此tf2 在我的路径中）
然后我下载了模型文件，将其推送到我的 Linux 服务器，将其放在上述位置，然后执行：
# bash
tar xzf bert_en_uncased_L-12_H-768_A-12_4.tar.gz
这给了我以下文件：
# python
import os
os.listdir("/opt/tfhub/tf2/bert_en_uncased_L-12_H-768_A-12_4/")
>>> ['keras_metadata.pb', 'saved_model.pb', 'assets', 'variables']
那么我可以像这样加载模型：
# python
import tensorflow_hub as tfhub
import tensorflow as tf
bert_layer = tfhub.KerasLayer(tfhub.load("/opt/tfhub/tf2/bert_en_uncased_L-12_H-768_A-12_4"))
【讨论】：