Participe do Simpósio Women in ML em 7 de dezembro Inscreva-se agora
Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

O TensorFlow Hub é um repositório abrangente de modelos pré-treinados, prontos para ajustes finos e implementáveis ​​em qualquer lugar. Baixe os modelos treinados mais recentes com uma quantidade mínima de código com a biblioteca tensorflow_hub .

Os tutoriais a seguir devem ajudá-lo a começar a usar e aplicar modelos do TF Hub para suas necessidades. Os tutoriais interativos permitem modificá-los e executá-los com suas alterações. Clique no botão Executar no Google Colab na parte superior de um tutorial interativo para mexer nele.

Se você não estiver familiarizado com aprendizado de máquina e TensorFlow, comece obtendo uma visão geral de como classificar imagens e texto, detectar objetos em imagens ou estilizar suas próprias imagens como obras de arte famosas:

Construa um modelo Keras em cima de um classificador de imagens pré-treinado para distinguir flores.
Use BERT para construir um modelo Keras para resolver uma tarefa de análise de sentimento de classificação de texto.
Deixe uma rede neural redesenhar uma imagem no estilo de Picasso, Van Gogh ou como sua própria imagem de estilo.
Detecte objetos em imagens usando modelos como FasterRCNN ou SSD.

Confira tutoriais mais avançados sobre como usar modelos de PNL, imagens, áudio e vídeo do TensorFlow Hub.

Resolva tarefas comuns de PNL com modelos do TensorFlow Hub. Veja todos os tutoriais de PNL disponíveis no painel de navegação esquerdo.

Classifique e compare semanticamente frases com o Universal Sentence Encoder.
Use BERT para resolver tarefas de benchmark GLUE em execução na TPU.
Responda a perguntas em vários idiomas do conjunto de dados SQuAD usando o modelo de perguntas e respostas do codificador de sentença universal multilíngue.

Explore como usar GANs, modelos de super resolução e muito mais. Veja todos os tutoriais de imagem disponíveis na navegação à esquerda.

Gere faces artificiais e interpole entre elas usando GANs.
Melhore a resolução de imagens com resolução reduzida.
Preencha a parte mascarada das imagens fornecidas.

Explore tutoriais usando modelos treinados para dados de áudio, incluindo reconhecimento de tom e classificação de som.

Grave a si mesmo cantando e detecte o tom de sua voz usando o modelo SPICE.
Use o modelo YAMNet para classificar sons como 521 classes de eventos de áudio do corpus AudioSet-YouTube.

Experimente modelos de ML treinados para dados de vídeo para reconhecimento de ação, interpolação de vídeo e muito mais.

Detecte uma das 400 ações em um vídeo usando o modelo Inflated 3D ConvNet.
Interpolar entre quadros de vídeo usando Inbetweening com 3D Convolutions.
Encontre os vídeos mais relacionados a uma consulta de texto.