Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

TensorFlow Hub è un repository completo di modelli pre-addestrati pronti per l'ottimizzazione e implementabili ovunque. Scarica gli ultimi modelli addestrati con una quantità minima di codice con la libreria tensorflow_hub .

I seguenti tutorial dovrebbero aiutarti a iniziare a utilizzare e applicare i modelli da TF Hub per le tue esigenze. I tutorial interattivi ti consentono di modificarli ed eseguirli con le tue modifiche. Fai clic sul pulsante Esegui in Google Colab nella parte superiore di un tutorial interattivo per armeggiare con esso.

Se non hai familiarità con l'apprendimento automatico e TensorFlow, puoi iniziare ottenendo una panoramica su come classificare immagini e testo, rilevando oggetti nelle immagini o stilizzando le tue immagini come opere d'arte famose:

Costruisci un modello Keras sopra un classificatore di immagini pre-addestrato per distinguere i fiori.
Utilizza BERT per creare un modello Keras per risolvere un'attività di analisi del sentiment di classificazione del testo.
Lascia che una rete neurale ridisegni un'immagine nello stile di Picasso, van Gogh o come la tua immagine di stile.
Rileva oggetti nelle immagini utilizzando modelli come FasterRCNN o SSD.

Dai un'occhiata ai tutorial più avanzati su come utilizzare modelli PNL, immagini, audio e video da TensorFlow Hub.

Risolvi attività PNL comuni con i modelli di TensorFlow Hub. Visualizza tutti i tutorial NLP disponibili nel menu di navigazione sinistro.

Classifica e confronta semanticamente le frasi con Universal Sentence Encoder.
Usa BERT per risolvere le attività di benchmark GLUE in esecuzione su TPU.
Rispondi alle domande multilingue dal set di dati SQuAD utilizzando il modello di domande e risposte del codificatore di frasi universale multilingue.

Scopri come utilizzare i GAN, i modelli a super risoluzione e altro ancora. Visualizza tutti i tutorial di immagini disponibili nel menu di navigazione sinistro.

Genera volti artificiali e interpola tra di loro utilizzando i GAN.
Migliora la risoluzione delle immagini sottocampionate.
Riempi la parte mascherata delle immagini date.

Esplora i tutorial utilizzando modelli addestrati per i dati audio, inclusi il riconoscimento del tono e la classificazione del suono.

Registra te stesso mentre canti e rileva il tono della tua voce utilizzando il modello SPICE.
Utilizza il modello YAMNet per classificare i suoni come 521 classi di eventi audio dal corpus AudioSet-YouTube.

Prova modelli ML addestrati per i dati video per il riconoscimento delle azioni, l'interpolazione video e altro ancora.

Rileva una delle 400 azioni in un video utilizzando il modello ConvNet 3D gonfiato.
Interpola tra i fotogrammi video utilizzando Inbetweening with 3D Convolutions.
Trova i video più correlati a una query di testo.