TensorFlow Hub adalah repositori komprehensif model terlatih yang siap untuk disesuaikan dan dapat diterapkan di mana saja. Unduh model terlatih terbaru dengan jumlah kode minimal dengan pustaka tensorflow_hub .

Tutorial berikut akan membantu Anda memulai menggunakan dan menerapkan model dari TF Hub untuk kebutuhan Anda. Tutorial interaktif memungkinkan Anda memodifikasinya dan menjalankannya dengan perubahan Anda. Klik tombol Jalankan di Google Colab di bagian atas tutorial interaktif untuk mengotak-atiknya.

Jika Anda tidak terbiasa dengan pembelajaran mesin dan TensorFlow, Anda dapat memulai dengan mendapatkan gambaran umum tentang cara mengklasifikasikan gambar dan teks, mendeteksi objek dalam gambar, atau dengan menyesuaikan gaya gambar Anda sendiri seperti karya seni terkenal:

Bangun model Keras di atas pengklasifikasi gambar yang telah dilatih sebelumnya untuk membedakan bunga.
Gunakan BERT untuk membangun model Keras untuk menyelesaikan tugas analisis sentimen klasifikasi teks.
Biarkan jaringan saraf menggambar ulang gambar dengan gaya Picasso, van Gogh, atau seperti gambar gaya Anda sendiri.
Deteksi objek dalam gambar menggunakan model seperti FasterRCNN atau SSD.

Lihat tutorial lanjutan lainnya tentang cara menggunakan model NLP, gambar, audio, dan video dari TensorFlow Hub.

Selesaikan tugas NLP umum dengan model dari TensorFlow Hub. Lihat semua tutorial NLP yang tersedia di navigasi kiri.

Mengklasifikasikan dan membandingkan kalimat secara semantik dengan Universal Sentence Encoder.
Gunakan BERT untuk menyelesaikan tugas benchmark GLUE yang berjalan di TPU.
Jawab pertanyaan lintas bahasa dari kumpulan data SQuAD menggunakan model Tanya Jawab encoder kalimat universal multibahasa.

Jelajahi cara menggunakan GAN, model resolusi super, dan lainnya. Lihat semua tutorial gambar yang tersedia di navigasi kiri.

Hasilkan wajah buatan dan interpolasi di antara mereka menggunakan GAN.
Tingkatkan resolusi gambar yang di-downsampling.
Isi bagian bertopeng dari gambar yang diberikan.

Jelajahi tutorial menggunakan model terlatih untuk data audio termasuk pengenalan nada dan klasifikasi suara.

Rekam diri Anda bernyanyi dan deteksi nada suara Anda menggunakan model SPICE.
Gunakan model YAMNet untuk mengklasifikasikan suara sebagai 521 kelas peristiwa audio dari korpus AudioSet-YouTube.

Cobalah model ML terlatih untuk data video untuk pengenalan tindakan, interpolasi video, dan banyak lagi.

Deteksi salah satu dari 400 tindakan dalam video menggunakan model Inflated 3D ConvNet.
Interpolasi antar frame video menggunakan Inbetweening dengan 3D Convolutions.
Temukan video yang paling terkait dengan kueri teks.