TensorFlow Hub est un dépôt complet de modèles pré-entraînés, prêts à être optimisés et déployés n'importe où. La bibliothèque tensorflow_hub vous permet de télécharger et de réutiliser les derniers modèles entraînés avec un minimum de code. Les tutoriels ci-dessous vous expliquent comment utiliser et appliquer des modèles Hub, et les adapter en fonction de vos besoins. Des tutoriels interactifs vous permettent de les modifier et de les exécuter avec vos modifications. Cliquez sur le bouton Exécuter dans Google Colab dans la partie supérieure d'un tutoriel interactif pour vous exercer.
Si vous n'avez pas beaucoup d'expérience dans le domaine du machine learning et de TensorFlow, commencez par apprendre à classer des images et du texte, ou par styliser vos propres photos comme des artistes de renom :
Créez un modèle Keras sur un classificateur d'images pré-entraîné pour faire la distinction entre différentes fleurs.
Classez des avis sur des films comme positifs ou négatifs.
Laissez un réseau de neurones redessiner une image dans le style de Picasso ou de van Gogh, ou selon votre propre photo.
Si vous connaissez bien TensorFlow, vous pouvez visionner des tutoriels plus poussés.
Découvrez la représentation vectorielle continue CORD-19 en analysant des mots sémantiquement similaires et en classant des articles scientifiques.
Répondez aux questions issues de l'ensemble de données SQuAD.
Rechercher des titres d'actualité qui sont proches, sur le plan sémantique, d'une requête donnée.
Classez des phrases et comparez-les sur le plan sémantique à l'aide du codeur de phrases universel.
Effectuez une comparaison sémantique de phrases dans différentes langues à l'aide du codeur de phrases universel multilingue.
Détectez des objets dans des images à l'aide de modules tels que FasterRCNN ou SSD.
Générez des visages artificiels et effectuez des interpolations entre eux.
Faites correspondre les points clés de deux images à l'aide de DELF.
Détectez l'une des 400 actions d'une vidéo à l'aide du modèle Inflated 3D ConvNet.
Prédisez ce qui s'est passé entre la première et la dernière image d'une vidéo.