コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

TensorFlow Hubは、事前にトレーニングされたモデルの包括的なリポジトリであり、微調整が可能で、どこにでもデプロイできます。 tensorflow_hubライブラリを使用して、最小限のコードで最新のトレーニング済みモデルをダウンロードします。

次のチュートリアルは、必要に応じて TF Hub からモデルを使用および適用することを開始するのに役立ちます。インタラクティブなチュートリアルを使用すると、それらを変更して、変更を加えて実行できます。インタラクティブなチュートリアルの上部にある [ Run in Google Colab ] ボタンをクリックして、操作してみてください。

機械学習と TensorFlow に慣れていない場合は、画像とテキストを分類する方法、画像内のオブジェクトを検出する方法、または有名なアートワークのように自分の写真をスタイル化する方法の概要を理解することから始めることができます。

花を区別するために、事前トレーニング済みの画像分類器の上に Keras モデルを構築します。
BERT を使用して Keras モデルを構築し、テキスト分類感情分析タスクを解決します。
ニューラル ネットワークに、ピカソやゴッホのスタイル、または独自のスタイルのイメージのようにイメージを再描画させます。
FasterRCNN や SSD などのモデルを使用して、画像内のオブジェクトを検出します。

TensorFlow Hub の NLP、画像、音声、動画モデルの使用方法については、より高度なチュートリアルをご覧ください。

TensorFlow Hub のモデルを使用して一般的な NLP タスクを解決します。左側のナビゲーションで利用可能なすべての NLP チュートリアルを表示します。

Universal Sentence Encoder を使用して文を分類し、意味的に比較します。
BERT を使用して、TPU で実行されている GLUE ベンチマーク タスクを解決します。
多言語ユニバーサル センテンス エンコーダー Q&A モデルを使用して、SQuAD データセットからクロスリンガルの質問に回答します。

GAN や超解像モデルなどの使用方法をご覧ください。左側のナビゲーションで利用可能なすべての画像チュートリアルを表示します。

人工的な顔を生成し、GAN を使用してそれらの間を補間します。
ダウンサンプリングされた画像の解像度を高めます。
指定された画像のマスクされた部分を塗りつぶします。

ピッチ認識やサウンド分類など、音声データのトレーニング済みモデルを使用したチュートリアルをご覧ください。

SPICE モデルを使用して、歌を録音し、声の高さを検出します。
YAMNet モデルを使用して、AudioSet-YouTube コーパスからの 521 オーディオ イベント クラスとしてサウンドを分類します。

アクション認識、ビデオ補間などのビデオ データのトレーニング済み ML モデルを試してください。

Inflated 3D ConvNet モデルを使用して、ビデオ内の 400 のアクションの 1 つを検出します。
3D Convolutions を使用した Inbetweening を使用して、ビデオ フレーム間を補間します。
テキスト クエリに最も関連性の高い動画を検索します。