Tensorflow Hub模块重用

Question

假设我想使用TF集线器中的一个特定的module (文本嵌入)来创建两个不同的models，然后我想导出和服务这些models。

选项1:为每个model导入module，将每个分类器放在顶部，导出2 models；将每个models放在自己的码头容器中。这些models包含底层嵌入模块和分类器。

选项2:服务于module本身，并将其输出转到不包含嵌入的2种不同的服务models。(这可能吗？)

我的计算机科学背景告诉我，选项2更好，因为我们对两个模型都重复使用了原始的嵌入模块，同时也使模型本身与嵌入模块脱钩。

但是，从实际的角度来看，当数据科学家编写代码时，他们正在导入module并在其之上使用分类器进行培训，因此在没有底层嵌入的情况下导出model本身就变得非常麻烦。

谁能给我指明正确的方向？希望我的问题是有意义的，我自己并不是一个数据科学家，我更多的是来自于一个发展背景。

谢谢

Answer 1

将分类器放在嵌入模块之上会产生相当强的依赖性:必须将分类器训练成特定的嵌入空间。除非你做了非常特别的安排，否则仅仅在另一个嵌入模块中交换就不管用了。因此，选项1非常好:它产生了两个可以独立服务和更新的模型。它们有一些重叠，类似于使用相同库的两个静态链接程序，但源代码仍然是模块化的:使用集线器嵌入模块，通过它们的共同签名，使它们可以互换。

比较而言，选项2给出了三个具有非平凡依赖关系的移动部件。如果你的目标是简单，我就不会去那里。