【只需2步快速解决tensorflow-hub的调用问题】

快速解决tensorflow-hub的调用问题！！

• • 1、用pip安装库
  • 2、用conda下载安装tensorflow-gpu

再经历无数次试错之后，终于可以跑tensorflow-hub了，在此写出来，让大家少走弯路。

1、用pip安装库

首先一定要用pip来安装如下的包。（原因：text包需要用pip安装，conda链接找不到。同时text包安装会自动下载tensorflow）

tensorflow              2.6.2
tensorflow-addons       0.16.1
tensorflow-estimator    2.6.0
tensorflow-hub          0.8.0
tensorflow-text         2.6.0

2、用conda下载安装tensorflow-gpu

conda下载gpu的tensorflow

tensorflow              2.6.0

大功告成，可以去跑了!

错误分析：

1. no module keras ；解决：pip没下载tensorflow
2. KeyError：'CaseFoldUTF8；解决：没有下载tensorflow-text，
   需要import tensorflow_text as text
3. hub.KerasLayer(URL) 链接内的model无法下载 ；

   preprocess = hub.KerasLayer(
       "https://tfhub.dev/tensorflow/bert_en_uncased_preprocess/2",
       name="text_preprocessing",
   )
   # Load the pre-trained BERT model to be used as the base encoder.
   bert = hub.KerasLayer(
       "https://tfhub.dev/tensorflow/small_bert/bert_en_uncased_L-4_H-512_A-8/1",
       "bert",
   )

解决：
（1）国外链接要下载内容，你懂的

（2）手动复制链接内容到浏览器，可以下载文件夹，然后把代码中链接更改为本地文件。

    preprocess = hub.KerasLayer(
        r"D:\bert_en_uncased_preprocess_3",
        name="text_preprocessing",
    )
    # Load the pre-trained BERT model to be used as the base encoder.
    bert = hub.KerasLayer(
        r"D:\small_bert_bert_en_uncased_L-4_H-512_A-8_2",
        "bert",
    )

（3）更改链接

#tfhub_bert="https://tfhub.dev/tensorflow/small_bert/bert_en_uncased_L-2_H-128_A-2/1"
tfhub_bert="https://storage.googleapis.com/tfhub-modules/tensorflow/small_bert/bert_en_uncased_L-2_H-128_A-2/1.tar.gz"