假设我要微调Tensorflow Hub图像特征向量模块之一。出现问题是因为要微调模块，需要执行以下操作：
getconf PAGE_SIZE假定模块为module = hub.Module("https://tfhub.dev/google/imagenet/resnet_v2_50/feature_vector/3", trainable=True, tags={"train"})
。
换句话说，导入模块时将Resnet50标志设置为trainable，并使用True。现在，如果我想验证模型（对验证集进行推断以衡量模型的性能），由于train tag和{{ 1}}标志。
请注意，这里Tensorflow hub fine-tune and evaluate已经有人问过这个问题，但没有提供答案。
期待您的帮助！
答案 0 :(得分：2)
对于TF1，使用hub.Module时，情况就如您所说：训练或推理图都被实例化，并且没有很好的方法在单个tf.Session中导入两者并在它们之间共享变量。这是由Estimators和TF1中许多其他训练脚本（尤其是分布式脚本）使用的方法所告知的：有一个训练课程生成检查点，还有一个单独的评估会话从中恢复模型权重。 （两者在读取的数据集和执行的预处理方面也可能会有所不同。）
借助TF2及其对“急切”模式的强调，这种情况已经改变。 TF2样式的集线器模块（在https://tfhub.dev/s?q=tf2-preview中找到）实际上只是TF2-style SavedModels，并且它们没有多个图形版本。相反，如果需要训练/推理区别，则还原的顶级对象上的__call__函数将使用可选的training=...参数。
有了这个，TF2应该符合您的期望。有关如何完成此操作的信息，请参见交互式演示tf2_image_retraining.ipynb和tensorflow_hub/keras_layer.py中的基础代码。 TF Hub团队正在努力为TF2版本提供更完整的模块选择。