TensorFlow Hub — это обширный репозиторий предварительно обученных моделей, готовых к тонкой настройке и развертыванию в любом месте. Загрузите последние обученные модели с минимальным объемом кода с библиотекой tensorflow_hub .

Следующие руководства должны помочь вам начать использовать и применять модели из TF Hub для ваших нужд. Интерактивные обучающие программы позволяют изменять их и выполнять с вашими изменениями. Нажмите кнопку « Выполнить в Google Colab» в верхней части интерактивного руководства, чтобы поработать с ним.

Если вы не знакомы с машинным обучением и TensorFlow, вы можете начать с обзора того, как классифицировать изображения и текст, обнаруживать объекты на изображениях или стилизовать свои собственные изображения, например известные произведения искусства:

Создайте модель Keras поверх предварительно обученного классификатора изображений, чтобы различать цветы.
Используйте BERT для построения модели Keras для решения задачи анализа тональности классификации текста.
Пусть нейросеть перерисует изображение в стиле Пикассо, Ван Гога или в вашем собственном стиле.
Обнаруживайте объекты на изображениях с помощью таких моделей, как FasterRCNN или SSD.

Ознакомьтесь с более продвинутыми руководствами по использованию НЛП, изображений, аудио и видео моделей от TensorFlow Hub.

Решайте распространенные задачи НЛП с помощью моделей из TensorFlow Hub. Просмотрите все доступные учебные пособия по НЛП в левой навигационной панели.

Классифицируйте и семантически сравнивайте предложения с помощью универсального кодировщика предложений.
Используйте BERT для решения тестовых задач GLUE, работающих на TPU.
Отвечайте на вопросы на разных языках из набора данных SQuAD, используя модель вопросов и ответов многоязычного универсального кодировщика предложений.

Узнайте, как использовать GAN, модели со сверхвысоким разрешением и многое другое. Просмотрите все доступные учебные пособия по изображениям в левой навигационной панели.

Создавайте искусственные лица и выполняйте интерполяцию между ними с помощью GAN.
Увеличьте разрешение изображений с пониженной частотой дискретизации.
Заполните замаскированную часть данных изображений.

Изучите учебные пособия, используя обученные модели для аудиоданных, включая распознавание высоты тона и классификацию звука.

Запишите свое пение и определите высоту голоса с помощью модели SPICE.
Используйте модель YAMNet, чтобы классифицировать звуки как 521 класс аудиособытий из корпуса AudioSet-YouTube.

Попробуйте обученные модели машинного обучения для видеоданных для распознавания действий, интерполяции видео и многого другого.

Обнаружьте одно из 400 действий в видео, используя модель Inflated 3D ConvNet.
Интерполируйте между видеокадрами, используя Inbetweening with 3D Convolutions.
Найдите видео, которые больше всего связаны с текстовым запросом.