Module.md

# Module
----
Module代表了一个`可执行`的模型。这里的可执行指的是，Module可以直接通过命令行`hub run ${MODULE_NAME}`执行预测，或者通过context接口获取上下文后进行finetune。在生成一个Module时，支持通过名称、url或者路径创建Module。

### Class `hub.module.Module`

```python
hub.Module(
    name=None,
    module_dir=None,
    signatures=None,
    module_info=None,
    assets=None,
    processor=None,
    extra_info=None):
```

**参数**
> * name: 模块名称
> * module_dir: 模块路径

**返回**

`Module`

**示例**
```python
import paddlehub as hub
# 根据模型名字创建Module
hub.Module(name = "lac")
```

#### `context`
用于获取Module的上下文信息，得到输入、输出以及预训练的Paddle Program副本。

**参数**
> * for_test: 是否用于测试，如果是用于预测，则设置为True，如果用于finetune，则设置为False。默认情况下，该参数被设置为False
> * trainable: 获取的Program副本中的参数是否为可训练的，设置为True表示可训练。默认情况下，该参数被设置为False
> * regularizer: 获取的Program副本中的参数的正则化项。默认情况下，该参数被设置为None
> * learning_rate: 获取的Program副本中的参数的学习率。默认情况下，该参数被设置为1e-3

**示例**
```python
import paddlehub as hub
resnet = hub.Module(name = "resnet_v2_50_imagenet")
input_dict, output_dict, program = resnet.context(trainable=True)
with fluid.program_guard(program):
    label = fluid.layers.data(name="label", dtype="int64", shape=[1])
    img = input_dict["image"]
    feature_map = output_dict["feature_map"]
    feed_list = [img.name, label.name]
    fc = fluid.layers.fc(input = feature_map, size = 2)
    feed_list = [img.name, label.name]
    # 添加fc层后，进行训练
    ...
```