Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

TensorFlow Hub es un repositorio integral de modelos previamente entrenados, listos para ajustarse e implementarse en cualquier lugar. Descarga los últimos modelos entrenados con una cantidad mínima de código con la biblioteca tensorflow_hub .

Los siguientes tutoriales deberían ayudarlo a comenzar a usar y aplicar modelos de TF Hub para sus necesidades. Los tutoriales interactivos le permiten modificarlos y ejecutarlos con sus cambios. Haga clic en el botón Ejecutar en Google Colab en la parte superior de un tutorial interactivo para jugar con él.

Si no está familiarizado con el aprendizaje automático y TensorFlow, puede comenzar por obtener una descripción general de cómo clasificar imágenes y texto, detectar objetos en imágenes o estilizar sus propias imágenes como obras de arte famosas:

Cree un modelo de Keras sobre un clasificador de imágenes previamente entrenado para distinguir las flores.
Use BERT para construir un modelo Keras para resolver una tarea de análisis de sentimientos de clasificación de texto.
Deje que una red neuronal vuelva a dibujar una imagen al estilo de Picasso, van Gogh o como su propia imagen de estilo.
Detecta objetos en imágenes utilizando modelos como FasterRCNN o SSD.

Consulte tutoriales más avanzados sobre cómo usar NLP, imágenes, audio y modelos de video de TensorFlow Hub.

Resuelva tareas comunes de NLP con modelos de TensorFlow Hub. Vea todos los tutoriales de PNL disponibles en el panel de navegación izquierdo.

Clasifique y compare oraciones semánticamente con Universal Sentence Encoder.
Use BERT para resolver las tareas de referencia de GLUE que se ejecutan en TPU.
Responda preguntas multilingües del conjunto de datos SQuAD utilizando el modelo de preguntas y respuestas del codificador de oraciones universal multilingüe.

Explore cómo usar GAN, modelos de súper resolución y más. Vea todos los tutoriales de imágenes disponibles en el panel de navegación izquierdo.

Genera caras artificiales e interpola entre ellas usando GAN.
Mejore la resolución de las imágenes reducidas.
Rellene la parte enmascarada de las imágenes dadas.

Explore tutoriales utilizando modelos entrenados para datos de audio, incluido el reconocimiento de tono y la clasificación de sonido.

Grábate cantando y detecta el tono de tu voz usando el modelo SPICE.
Utilice el modelo YAMNet para clasificar los sonidos como 521 clases de eventos de audio del corpus AudioSet-YouTube.

Pruebe modelos de ML entrenados para datos de video para reconocimiento de acciones, interpolación de video y más.

Detecte una de las 400 acciones en un video usando el modelo Inflated 3D ConvNet.
Interpola entre cuadros de video usando Interpolación con convoluciones 3D.
Encuentre videos que estén más relacionados con una consulta de texto.