TensorFlow Hub - это всеобъемлющий репозиторий предварительно обученных моделей, готовых к тонкой настройке и развертываемых в любом месте. Загрузите последние обученные модели с минимальным объемом кода с tensorflow_hub библиотеки tensorflow_hub .

Следующие ниже руководства помогут вам приступить к использованию и применению моделей из TF Hub для ваших нужд. Интерактивные учебные пособия позволяют вам изменять их и выполнять с вашими изменениями. Нажмите кнопку « Выполнить в Google Colab» в верхней части интерактивного руководства, чтобы поработать с ним.

Если вы не знакомы с машинным обучением и TensorFlow, вы можете начать с обзора того, как классифицировать изображения и текст, обнаруживать объекты на изображениях или стилизовать свои собственные изображения, как известные произведения искусства:

Постройте модель Keras на основе предварительно обученного классификатора изображений, чтобы различать цветы.
Используйте BERT для построения модели Keras для решения задачи анализа тональности классификации текста.
Позвольте нейронной сети перерисовать изображение в стиле Пикассо, Ван Гога или как ваше собственное изображение стиля.
Обнаруживайте объекты на изображениях с помощью таких моделей, как FasterRCNN или SSD.

Ознакомьтесь с более сложными руководствами по использованию NLP, изображений, аудио и видео моделей из TensorFlow Hub.

Решайте распространенные задачи НЛП с моделями из TensorFlow Hub. Просмотрите все доступные руководства по НЛП в левой панели навигации.

Классифицируйте и семантически сравнивайте предложения с универсальным кодировщиком предложений.
Используйте BERT для решения задач тестирования GLUE, работающих на TPU.
Отвечайте на межъязыковые вопросы из набора данных SQuAD, используя модель вопросов и ответов многоязычного универсального кодировщика предложений.

Узнайте, как использовать GAN, модели со сверхвысоким разрешением и многое другое. Просмотрите все доступные учебные пособия по изображениям в левой панели навигации.

Создавайте искусственные лица и интерполируйте между ними с помощью GAN.
Увеличьте разрешение изображений с пониженной дискретизацией.
Заполните замаскированную часть данных изображений.

Изучите учебные пособия с использованием обученных моделей для аудиоданных, включая распознавание высоты тона и классификацию звука.

Запишите свое пение и определите высоту своего голоса с помощью модели SPICE.
Используйте модель YAMNet, чтобы классифицировать звуки как 521 класс звуковых событий из корпуса AudioSet-YouTube.

Попробуйте обученные модели машинного обучения для видеоданных для распознавания действий, интерполяции видео и т. Д.

Обнаружьте одно из 400 действий на видео с помощью модели Inflated 3D ConvNet.
Интерполируйте между видеокадрами с помощью промежуточного кадра с трехмерной сверткой.
Найдите видео, которые больше всего связаны с текстовым запросом.