Tensorflow集线器模块重用

假设我想使用TF Hub中的特定

模块

（文本嵌入）创建两个不同的

模型

，然后我想导出并提供服务

选项1: 为每个

模型导入
模块
，将每个分类器放在顶部，然后导出2个
模型
；在各自的docker容器中提供。这些
模型包含底层嵌入模块和分类器

选项2:
为
模块
本身提供服务，并将其输出发送到两个不同的
模型
，这些模型本身不包含嵌入件。（这可能吗？）

我的计算机科学背景告诉我，选项2更好，因为我们对这两个模型都重新使用了原始的嵌入模块，并且将模型本身与嵌入模块分离

然而，从实际的角度来看，当数据科学家在编码时，他们正在导入
模块
并在上面使用分类器进行训练，因此在没有底层嵌入的情况下导出
模型
本身会变得很麻烦

谁能给我指出正确的方向吗？希望我的问题有意义，我自己不是一个数据科学家，我更多的是来自开发背景

感谢
将分类器放在嵌入模块的顶部会产生相当强的依赖性：分类器必须训练到特定的嵌入空间。除非您做出非常特殊的安排，否则仅仅在另一个嵌入模块中交换是不起作用的。因此，选项1非常好：它产生两个模型，可以独立提供和更新。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：通过它们的公共签名使用集线器嵌入模块使它们可以互换

相比之下，选项2提供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，我不会去那里