Assistez au symposium Women in ML le 7 décembre Inscrivez-vous maintenant
Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

TensorFlow Hub est un référentiel complet de modèles pré-entraînés prêts à être ajustés et déployables n'importe où. Téléchargez les derniers modèles formés avec une quantité minimale de code avec la bibliothèque tensorflow_hub .

Les didacticiels suivants devraient vous aider à démarrer avec l'utilisation et l'application des modèles de TF Hub pour vos besoins. Des didacticiels interactifs vous permettent de les modifier et de les exécuter avec vos modifications. Cliquez sur le bouton Exécuter dans Google Colab en haut d'un didacticiel interactif pour le modifier.

Si vous n'êtes pas familier avec l'apprentissage automatique et TensorFlow, vous pouvez commencer par obtenir un aperçu de la façon de classer les images et le texte, de détecter des objets dans les images ou de styliser vos propres images comme des œuvres d'art célèbres :

Construisez un modèle Keras au-dessus d'un classificateur d'images pré-formé pour distinguer les fleurs.
Utilisez BERT pour créer un modèle Keras afin de résoudre une tâche d'analyse des sentiments de classification de texte.
Laissez un réseau de neurones redessiner une image dans le style de Picasso, van Gogh ou comme votre propre image de style.
Détectez les objets dans les images à l'aide de modèles tels que FasterRCNN ou SSD.

Consultez des didacticiels plus avancés sur l'utilisation des modèles NLP, images, audio et vidéo de TensorFlow Hub.

Résolvez des tâches NLP courantes avec les modèles de TensorFlow Hub. Consultez tous les didacticiels PNL disponibles dans la barre de navigation de gauche.

Classez et comparez sémantiquement les phrases avec Universal Sentence Encoder.
Utilisez BERT pour résoudre les tâches de référence GLUE exécutées sur TPU.
Répondez aux questions multilingues de l'ensemble de données SQuAD à l'aide du modèle Q&A de l'encodeur de phrases universel multilingue.

Découvrez comment utiliser les GAN, les modèles de super résolution et plus encore. Voir tous les didacticiels d'image disponibles dans la navigation de gauche.

Générez des visages artificiels et interpolez entre eux à l'aide de GAN.
Améliorez la résolution des images sous-échantillonnées.
Remplissez la partie masquée des images données.

Explorez des didacticiels utilisant des modèles entraînés pour les données audio, y compris la reconnaissance de la hauteur et la classification des sons.

Enregistrez-vous en train de chanter et détectez la hauteur de votre voix à l'aide du modèle SPICE.
Utilisez le modèle YAMNet pour classer les sons en 521 classes d'événements audio à partir du corpus AudioSet-YouTube.

Essayez des modèles ML entraînés pour les données vidéo pour la reconnaissance des actions, l'interpolation vidéo, etc.

Détectez l'une des 400 actions d'une vidéo à l'aide du modèle Inflated 3D ConvNet.
Interpolez entre les images vidéo en utilisant Inbetweening avec 3D Convolutions.
Trouvez les vidéos les plus liées à une requête textuelle.