TensorFlow Hub to kompleksowe repozytorium wstępnie wytrenowanych modeli gotowych do dostrojenia i wdrożenia w dowolnym miejscu. Pobierz najnowsze wytrenowane modele z minimalną ilością kodu za pomocą biblioteki tensorflow_hub .

Poniższe samouczki powinny pomóc w rozpoczęciu korzystania z modeli z TF Hub i ich stosowaniu do własnych potrzeb. Interaktywne samouczki pozwalają je modyfikować i wykonywać z wprowadzonymi zmianami. Kliknij przycisk Uruchom w Google Colab u góry interaktywnego samouczka, aby przy nim majstrować.

Jeśli nie jesteś zaznajomiony z uczeniem maszynowym i TensorFlow, możesz zacząć od uzyskania przeglądu, jak klasyfikować obrazy i tekst, wykrywać obiekty na obrazach lub stylizować własne obrazy, takie jak słynne dzieła sztuki:

Zbuduj model Keras na podstawie wstępnie wytrenowanego klasyfikatora obrazów, aby rozróżniać kwiaty.
Użyj BERT, aby zbudować model Keras, aby rozwiązać zadanie analizy sentymentu klasyfikacji tekstu.
Pozwól sieci neuronowej na przerysowanie obrazu w stylu Picassa, van Gogha lub jak w Twoim własnym stylu.
Wykrywaj obiekty na obrazach za pomocą modeli takich jak FasterRCNN lub SSD.

Zapoznaj się z bardziej zaawansowanymi samouczkami, aby dowiedzieć się, jak korzystać z NLP, obrazów, audio i modeli wideo z TensorFlow Hub.

Rozwiązuj typowe zadania NLP za pomocą modeli z TensorFlow Hub. Zobacz wszystkie dostępne samouczki NLP w lewym panelu nawigacyjnym.

Klasyfikuj i semantycznie porównuj zdania za pomocą Universal Sentence Encoder.
Użyj BERT do rozwiązywania zadań testowych GLUE działających na TPU.
Odpowiadaj na wielojęzyczne pytania z zestawu danych SQuAD, korzystając z wielojęzycznego uniwersalnego modelu pytań i odpowiedzi z koderem zdań.

Dowiedz się, jak korzystać z sieci GAN, modeli super rozdzielczości i nie tylko. Zobacz wszystkie dostępne samouczki dotyczące obrazów w lewym panelu nawigacyjnym.

Generuj sztuczne twarze i interpoluj między nimi za pomocą GAN.
Zwiększ rozdzielczość obrazów z próbkowaniem w dół.
Wypełnij zamaskowaną część podanych obrazów.

Zapoznaj się z samouczkami wykorzystującymi wytrenowane modele danych dźwiękowych, w tym rozpoznawanie wysokości dźwięku i klasyfikację dźwięku.

Nagraj swój śpiew i wykryj wysokość swojego głosu za pomocą modelu SPICE.
Użyj modelu YAMNet, aby sklasyfikować dźwięki jako 521 klas zdarzeń audio z korpusu AudioSet-YouTube.

Wypróbuj wytrenowane modele ML dla danych wideo do rozpoznawania akcji, interpolacji wideo i nie tylko.

Wykryj jedną z 400 akcji w filmie za pomocą modelu Inflated 3D ConvNet.
Interpoluj między klatkami wideo za pomocą funkcji Inbetweening i Convolutions 3D.
Znajdź filmy, które są najbardziej związane z zapytaniem tekstowym.