Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English
TensorFlow Hub ist ein umfassendes Repository mit vorgefertigten Modellen, die zur Feinabstimmung bereit und überall einsetzbar sind. Mit der Bibliothek tensorflow_hub können Sie die neuesten trainierten Modelle mit minimalem Code herunterladen und wiederverwenden. Die folgenden Tutorials sollen Ihnen dabei helfen, Modelle von Hub zu verwenden und auf Ihre Anforderungen anzuwenden. Mit interaktiven Tutorials können Sie sie ändern und mit Ihren Änderungen ausführen. Klicken Sie oben in einem interaktiven Tutorial auf die Schaltfläche In Google Colab ausführen, um daran zu basteln.
Wenn Sie mit maschinellem Lernen und TensorFlow nicht vertraut sind, können Sie sich zunächst einen Überblick über die Klassifizierung von Bildern und Text verschaffen, Objekte in Bildern erkennen oder Ihre eigenen Bilder wie berühmte Künstler stilisieren:
Erstellen Sie ein Keras-Modell auf einem vorab trainierten Bildklassifizierer, um Blumen zu unterscheiden.
Klassifizieren Sie Filmkritiken ausgehend von vorab trainierten Texteinbettungen entweder als positiv oder negativ .
Lassen Sie ein neuronales Netzwerk ein Bild im Stil von Picasso, van Gogh oder wie Ihr eigenes Bild neu zeichnen.
Erkennen Sie Objekte in Bildern mithilfe von Modulen wie FasterRCNN oder SSD.
Wenn Sie mit TensorFlow vertraut sind, können Sie sich erweiterte Tutorials ansehen.
Klassifizieren und vergleichen Sie Sätze semantisch mit dem Universal Satzcodierer.
Entdecken Sie BERT, das für verschiedene Aufgaben wie MNLI, SQuAD und PubMed, die auf einer GPU ausgeführt werden, optimiert wurde.
Beantworten Sie Fragen aus dem SQuAD-Datensatz.
Generieren Sie künstliche Gesichter und interpolieren Sie mithilfe von GANs zwischen ihnen.
Verbessern Sie die Auflösung von heruntergesampelten Bildern.
Füllen Sie den maskierten Teil der angegebenen Bilder.
Erkennen Sie eine von 400 Aktionen in einem Video mithilfe des Inflated 3D ConvNet-Modells.
Suchen Sie nach Videos, die am meisten mit einer Textabfrage zu tun haben.