話說照第一天的規劃，今天本來要寫Recommendation AI，不過我測了很久始終無法使用Recommendation AI、無法Enable它，所以只好就此作罷。

AI Hub

今天找其他的玩具來玩，翻到了AI Hub，Hub會讓人直接連想到集線器，AI Hub就是把很多AI、ML集中在一起的平台，你可以在上面使用大家的AI model，也可以分享自己的AI上去給大家用。

我今天會來介紹其中幾個內容：service、notebook、tensorflow module，入門一下AI Hub。

Service

這部分相對單純，它把Google提供的AI服務都整合在這裡，你可以看到很多是我們前幾天文章有提到的內容，像是Text-to-speech、Video Intelligence等等。

隨便點進去Text-to-speech，可以看到除了一些介紹，就是給個連結引導去Visit或Get started。

至於沒有提供的，它會給你個Link讓你有地方可以Apply。

Notebook

在去年寫Machine Learning Crash course的文章的時候，有很多線上Example都是用Colab的形式在練習，這邊也把MLCC裡所有的Colab都聚集在這裡，成為Notebook，讓大家可以搜尋後可以透過旁邊的Colab連結測試。

Tensorflow module

這邊聚集了很多Tensorflow module，可以透過Tensorflow hub的方式引入到自己的Code裡去。像是下面的範例就有提供Link https://tfhub.dev/google/efficientnet/b1/classification/1，也有提供code example，幾乎不用在從頭設計model了。

module = hub.Module("https://tfhub.dev/google/efficientnet/b1/classification/1")
height, width = hub.get_expected_image_size(module)
images = ...  # A batch of images with shape [batch_size, height, width, 3].
logits = module(images)  # Logits with shape [batch_size, num_classes].

寫到這邊差不多把AI Hub講了大半段，裡面的內容自己動手操作會更了解，明天還有Kubeflow pipeline可以實際動手玩看看，希望一切順利。

OK，今天的文章就到這邊，謝謝各位的觀看。