使用入门
TensorFlow Hub 是包含各种预训练模型的综合代码库，这些模型稍作调整便可部署到任何设备上。借助 tensorflow_hub 库，您可以下载训练过的最新模型，并且只需编写少量代码即可使用这些模型。
以下教程可帮助您根据个人需求开始使用和应用 TensorFlow Hub 中的模型。您可以通过互动式教程修改这些模型，并运行修改后的模型。点击互动式教程顶部的“在 Google Colab 中运行”按钮，即可修改并运行模型。
针对新手
如果您不熟悉机器学习和 TensorFlow，可以先大致了解如何分类图像和文本、检测图像中的对象，或如何让自己的照片拥有著名画作的风格：
图像分类
基于预训练的图像分类器，构建一个分辨花朵的 Keras 模型。
使用 BERT 进行文本分类
使用 BERT 构建一个 Keras 模型来处理文本分类情感分析任务。
风格迁移
利用神经网络将图像重绘成毕加索、梵高风格或像您自己的照片风格的图像。
对象检测
使用 FasterRCNN 或 SSD 等模型检测图像中的对象。面向有经验的开发者
您可以查看更高级教程，了解如何使用 TensorFlow Hub 中的 NLP、图像、音频和视频模型。
NLP 教程
您可以使用 TensorFlow Hub 中的模型处理常见 NLP 任务。请在左侧导航栏中查看列出的所有 NLP 教程。
语义相似度
使用 Universal Sentence Encoder 对句子进行分类和语义比较。
在 TPU 上使用 BERT
使用 BERT 处理在 TPU 上运行的 GLUE 基准任务。
Multilingual Universal Sentence Encoder Q&A
利用 Multilingual Universal Sentence Encoder Q&A 模型回答 SQuAD 数据集中的跨语言问题。图像教程
您可以了解如何使用 GAN、超分辨率模型等。请在左侧导航栏中查看列出的所有图像教程。
音频教程
通过学习这些教程，了解如何使用训练过的模型处理音频数据，包括音高识别和声音分类。
视频教程
您可以尝试使用训练过的机器学习模型处理视频数据，例如进行动作识别、视频插帧等。
