เข้าร่วม Women in ML Symposium ในวันที่ 7 ธันวาคม ลงทะเบียนตอนนี้
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

TensorFlow Hub เป็นพื้นที่เก็บข้อมูลที่ครอบคลุมของโมเดลที่ได้รับการฝึกอบรมล่วงหน้า ซึ่งพร้อมสำหรับการปรับแต่งอย่างละเอียดและปรับใช้ได้ทุกที่ ดาวน์โหลดโมเดลที่ผ่านการฝึกอบรมล่าสุดด้วยโค้ดจำนวนน้อยที่สุดด้วยไลบรารี tensorflow_hub

บทช่วยสอนต่อไปนี้จะช่วยคุณในการเริ่มต้นใช้งานและปรับใช้โมเดลจาก TF Hub ตามความต้องการของคุณ บทช่วยสอนแบบโต้ตอบช่วยให้คุณแก้ไขและดำเนินการตามการเปลี่ยนแปลงของคุณ คลิกปุ่ม เรียกใช้ใน Google Colab ที่ด้านบนของบทแนะนำแบบโต้ตอบเพื่อปรับแต่ง

หากคุณไม่คุ้นเคยกับแมชชีนเลิร์นนิงและ TensorFlow คุณสามารถเริ่มต้นด้วยการดูภาพรวมของวิธีการจัดประเภทรูปภาพและข้อความ การตรวจจับวัตถุในภาพ หรือโดยการจัดสไตล์รูปภาพของคุณเอง เช่น งานศิลปะที่มีชื่อเสียง:

สร้างโมเดล Keras ที่ด้านบนของตัวแยกประเภทรูปภาพที่ได้รับการฝึกมาล่วงหน้าเพื่อแยกความแตกต่างของดอกไม้
ใช้ BERT เพื่อสร้างแบบจำลอง Keras เพื่อแก้ไขงานวิเคราะห์ความคิดเห็นในการจัดประเภทข้อความ
ให้โครงข่ายประสาทเทียมวาดภาพใหม่ในสไตล์ของ Picasso, van Gogh หรือชอบภาพสไตล์ของคุณเอง
ตรวจจับวัตถุในภาพโดยใช้โมเดล เช่น FasterRCNN หรือ SSD

ดูบทช่วยสอนขั้นสูงเพิ่มเติมเกี่ยวกับวิธีใช้โมเดล NLP รูปภาพ เสียง และวิดีโอจาก TensorFlow Hub

แก้ไขงาน NLP ทั่วไปด้วยโมเดลจาก TensorFlow Hub ดูบทช่วยสอน NLP ที่มีอยู่ทั้งหมดในการนำทางด้านซ้าย

จำแนกและเปรียบเทียบประโยคตามความหมายด้วย Universal Sentence Encoder
ใช้ BERT เพื่อแก้ปัญหาการวัดประสิทธิภาพ GLUE ที่ทำงานบน TPU
ตอบคำถามข้ามภาษาจากชุดข้อมูล SQuaD โดยใช้แบบจำลอง Q&A ของตัวเข้ารหัสประโยคสากลหลายภาษา

สำรวจวิธีใช้ GAN โมเดลความละเอียดสูง และอื่นๆ ดูบทแนะนำเกี่ยวกับรูปภาพทั้งหมดที่มีอยู่ในการนำทางด้านซ้าย

สร้างใบหน้าปลอมและสอดแทรกระหว่างใบหน้าโดยใช้ GAN
เพิ่มความละเอียดของภาพที่ลดขนาดตัวอย่าง
เติมส่วนที่ปิดบังของภาพที่กำหนด

สำรวจบทช่วยสอนโดยใช้โมเดลที่ผ่านการฝึกอบรมสำหรับข้อมูลเสียง รวมถึงการรู้จำระดับเสียงและการจัดประเภทเสียง

บันทึกตัวเองร้องเพลงและตรวจจับระดับเสียงของคุณโดยใช้โมเดล SPICE
ใช้โมเดล YAMNet เพื่อจัดประเภทเสียงเป็น 521 คลาสเหตุการณ์เสียงจากคลังข้อมูล AudioSet-YouTube

ลองใช้โมเดล ML ที่ได้รับการฝึกอบรมสำหรับข้อมูลวิดีโอสำหรับการรู้จำการดำเนินการ การแก้ไขวิดีโอ และอื่นๆ

ตรวจจับการกระทำอย่างใดอย่างหนึ่งจากทั้งหมด 400 รายการในวิดีโอโดยใช้โมเดล Inflated 3D ConvNet
สอดแทรกระหว่างเฟรมวิดีโอโดยใช้ Inbetweening กับ 3D Convolutions
ค้นหาวิดีโอที่เกี่ยวข้องกับข้อความค้นหามากที่สุด