【转载翻译】tensorflow中样离线使用tf hub中的模型

该方法是在国外网站中找到的，并没有完全按照原文翻译，而是按着步骤意思去写的

1、找到模型链接

在tfhub.dev中找到你需要的模型链接，例如：https://tfhub.dev/google/imagenet/inception_v1/feature_vector/1

2、找到模型真实下载地址

替换tfhub.dev为storage.googleapis.com/tfhub-modules，并且在末尾加上后缀.tar.gz，这个地址就是真实的模型下载地址，上述地址替换后变为：https://storage.googleapis.com/tfhub-modules/google/imagenet/inception_v1/feature_vector/1.tar.gz

3、设置缓存

在加载tfhub模型前，设置一下环境变量，代码如下

os.environ["TFHUB_CACHE_DIR"] = '/tmp/tfhub'

调用代码计算出模型的hash值

import hashlib
handle = "https://tfhub.dev/google/imagenet/inception_v1/feature_vector/1"
hashlib.sha1(handle.encode("utf8")).hexdigest()

以上代码将输出一个hash值，例如

f002061d9dee6acda3f90d591a65dbab7627f665

最后，在你设置的tfhub缓存目录中建立一个文件夹，文件夹名称就是刚刚计算出来的hash值，然后将下载的1.tar.gz解压出来，放到刚刚新建的目录中即可，你的文件目录结构应该是这样的

/    # your cache directory
/f002061d9dee6acda3f90d591a65dbab7627f665/        # a module folder
                                         /assets/
                                         /variables/
                                         /saved_model.pb
                                         /tfhub_module.pb

现在就可以离线使用该模型了，enjoy！